基于用户行为挖掘的Web视觉流优化设计研究

发布时间：2021-07-27 17:28

　　本文运用随机森林决策树和最近邻法等算法,预测WEB交互界面不同视觉流程中视觉元素竞争结果的概率分布,为优化WEB交互界面布局提供依据。研究中讨论了界面跳动型视觉流的主要特点,提出WEB交互界面的随机跳动的视觉流特点来源于其内在的视觉竞争机制,对于竞争的影响因子提出猜想,并进行相关性实验验证。对于得到验证的影响因子进行了训练和数据分析,构建了模拟竞争过程的决策树和KNN模型。通过界面优化实验结果,利用用户行为量化指标评价优化结果,证明利用这一思路可以显著改善用户的视觉流程,使视觉流能够按照设计目标进行。除此以外,研究实验将优化模型的成果部署到模拟现实的服务器环境中,从用户行为挖掘的角度出发,阐述并分析用户数据所代表的感性语义,并利用感性语义评价优化模型的优化效果。研究证明构建模拟视觉竞争模型并用于调整Web视觉元素,有助于设计师更好地把握Web页面视觉流,并提升用户体验。 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

研究内容框架(图片来源：自制)

第一章绪论3行加工研究[2]。感性工学的核心是量化分析，借助现代仪器，例如眼动仪和脑电波分析仪，或是先进的分析识别算法，让研究者更便捷地理解测试者地感性程度和指标，甚至是隐藏在潜意识中地感性，在现代信息技术的支持下，量化感性特征所能萃取的价值正在被日渐放大。⒉数据挖掘法：数据挖掘法就是利用一定的技术手段在海量的数据集中获取有价值信息一种方法。数据挖掘的方法主要有两种：一种是分类分析，一种是聚类。分类分析是将聚集的数据集按照设定的规则，利用数据特征指标将样本预测分类，而聚类分析是通过各种不同的算法，利用样本数据训练分类模型，分类模型的输出是样本数据的分类预测，从而使新数据被快速归类到具体的类型。⒊眼动实验法：眼动仪实验是通过实验设备对眼睛活动的精确描述来推断其所反映的认知活动的方法。对于眼睛活动描述的指标主要有注视点的分布密度，注视的频率，扫视的序列，瞳孔的大小等，通过这些数据可以分析得出人眼在活动观察时，人的认知、偏好、情绪变化等感性指标。⒋问卷调查法：问卷调查法是研究人通过制定统一的问题合集，向特定人群投放问卷，收集答案并加以统计的一种研究方法。文中问卷调查法主要用于验证优化实验的结果是否达到设计目的。1.4国内外研究现状近年来，国内外出现了一系列有关Web用户行为大数据分析有关的成果，既有一些理念先进的概念性的方法，也有实践成熟的系统和体系。来自印度的V.Anitha[3]等在论文中梳理了在大量用户的互联网背景下，分析不同算法和不同途径去挖掘对于网站经营者有价值的信息的方法，总结了Web挖掘的基本体系结构，如图1.2所示。图1.2Web挖掘的基本体系结构（图片来源：自制）Fig.1.2ThebasicsystemofWebmining

第二章相关研究理论及方法7是帮助用户判断是否购买这个商品，所以用户的核心行为是最终导向的购买，而优秀的视觉层级设计会利于引领用户完成核心行为，从而完成页面被设计的核心功能。2.1.2视觉流的模式视觉流模型的研究是人机交互学科不断发展深入所产生的重要技术手段。设计师在构建产品的交互界面时，通过视觉元素引导用户视觉，而视觉流模型的研究，则是通过总结并建立规范化的设计模式，让视觉流理论更容易在实践中得到广泛应用。对于视觉流模型的研究，美国的DarioD.等首先提出了将视觉追踪数据稳定分类处理的算法，利用眼动数据的时间和空间分布区别了不同的眼动过程，使后人在建立视觉流模型时有了可以依循的标准。同样来自StevenB.提出通过控制网页中元素的设计模式，可以确定地规范访问者地视觉流程，并总结了最常用的“F模式”和“Z模式”等，如图2.1所示，从左到右分别为跳动型模式，Z模式和F模式。构建典型的页面视觉流模型，有助于帮助设计师把握整体布局的风格，以及与之匹配的页面功能，把握用户流向的趋向。将视觉流进行不同模型分类并不是绝对的互斥关系，而是一个页面中的元素排布适合放在一种模式下进行讨论，而对于不同类型的模式研究所得到的普遍规律和结论可以帮助设计师改善设计，将布局抽象化成为模式，其研究的深度也会得到极大的提高。图2.1常见的视觉流类型（图片来源：自制）Fig2.1Severalcommonvisualflows交互设计视角下的视觉流（VisualFlow）的概念来源于视觉传达学科中的视觉流程设计——设计师通过设计手段，使用户与视觉交互界面进行交互的过程中，用户的视觉焦点按照一定的趋势或顺序流动。这种顺序或趋势对于商业产品，无


本文编号：3306226