基于量化自我的网络行为可视化研究

发布时间：2021-04-23 14:29

　　量化自我思想理念于40年前提出,主张用数据来帮助用户认知和管理自我。目前仅在健康管理行业有成熟的应用,将其引入web服务领域,这是很有意义的。本文理论与实践并行,探索用户的web交互行为规律,利用可视化的方式反馈给用户,帮助用户认知自我,了解自己的网络行为状态。对此,主要完成了以下几方面的研究:1.对web交互行为作出特征分类及定义,利用web事件机制,以用户量最庞大的chrome浏览器为平台,以chrome扩展程序为辅助,利用web开发相关技术,对与用户行为直接或间接相关的信息进行采集和存储。2.以开源库G2作为可视化引擎,在其建立的基础规则之上,对行为规律,用大量的图表设计,分门别类的呈现行为数据的统计分析结果。提出了:注重非编码设计元素、优先使用并合理分配表现力强的视觉通道、尽量采用无交互/弱交互设计等需要遵循的原则。3.针对行为数据的多维属性,本文对现有的经典多维可视化方案进行研究,总结出3点策略:采用多视觉通道编码、采用多空间坐标映射及采用多图形元素承载。对它们各自的优势及缺陷进行分析,本文结合web平台的交互特性,尝试对多维可视化视图的传达效率进行优化,提出了多视觉通道映射... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
        1.1.1 Web发展背景
        1.1.2 Web服务的体验升级
        1.1.3 量化自我理念
        1.1.4 数据可视化
        1.1.5 小结
    1.2 国内外研究现状
        1.2.1 量化自我
        1.2.2 用户网络行为研究
        1.2.3 数据可视化
    1.3 研究目标及意义
        1.3.1 研究内容
        1.3.2 研究意义
    1.4 论文创新点
    1.5 论文结构
第二章 web交互行为分析与数据量化
    2.1 行为数据特征
        2.1.1 网络行为的多样性
        2.1.2 行为数据的多维及不确定性
    2.2 本文对行为数据的分类
        2.2.1 按虚实程度进行划分
        2.2.2 按行为关联度进行划分
        2.2.3 按内容关联度进行划分
    2.3 行为数据度量类型
    2.4 通用行为数据的量化分析
        2.4.1 url地址编码信息
        2.4.2 时间维度信息
        2.4.3 页面信息的量化描述
        2.4.4 通用页面交互事件
    2.5 信息搜索行为数据的量化分析
        2.5.1 信息行为相关研究及概念
        2.5.2 百度的信息检索服务
        2.5.3 基于百度的信息检索的行为量化
    2.6 微博交互行为数据的量化分析
        2.6.1 基于博客形式的虚拟社交相关研究
        2.6.2 （新浪）微博社交平台的概况
        2.6.3 基于微博的社交行为量化
第三章 行为数据分析及可视化
    3.1 可视化视图的视觉编码
        3.1.1 各类视觉通道特征对比
        3.1.2 可视化视图中的非编码视觉元素
        3.1.3 G2的可视化元素构成
        3.1.4 坐标系类型
        3.1.5 可视化视觉编码总结
    3.2 行为数据的时效性
        3.2.1 实时计量数据
        3.2.2 累积统计数据
    3.3 低维行为数据的可视化研究
        3.3.1 一维可视化表达
        3.3.2 二维可视化表达
        3.3.3 无交互可视化
    3.4 多维行为数据的可视化研究
        3.4.1 多维数据可视化常见策略
        3.4.2 提升视觉编码的密度
        3.4.3 多视觉通道映射变换交互
        3.4.4 视图分层联动交互
第四章 应用整体实践与设计
    4.1 应用流程架构
        4.1.1 需求整理
        4.1.2 应用关键任务简介
    4.2 界面交互组织
        4.2.1 导航与页面结构
        4.2.2 卡片化信息展示
        4.2.3 图表释义
        4.2.4 内容视图扩展设定
    4.3 业务拆分及扩展
        4.3.1 业务拆分
        4.3.2 业务扩展
第五章 技术架构简介
    5.1 基于Web行为分析的技术模式
        5.1.1 数据采集模式
        5.1.2 数据分析模式
        5.1.3 本文采用的技术模式
    5.2 相关技术简介
        5.2.1 Web界面交互技术
        5.2.2 chrome扩展技术
        5.2.3 Node.js后端
        5.2.4 MongoDB数据库
        5.2.5 基于canvas的数据可视化引擎
    5.3 实践架构设计
第六章 总结与展望
    6.1 研究总结
    6.2 不足与展望
参考文献
附录 代码工程
致谢
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]数据可视化技术在Web中的研究及应用[J]. 刘长娥.  电脑知识与技术. 2017(18)
[2]基于HTML5和WebGL的三维点云可视化方法[J]. 叶梦轩,危双丰,张冬梅.  工程勘察. 2017(01)
[3]基于教育大数据的量化自我MOOC自适应学习系统研究[J]. 方海光,罗金萍,陈俊达,杜婧敏.  电化教育研究. 2016(11)
[4]量化自我技术支持的智慧学习设计[J]. 张文,李子运.  现代教育技术. 2016(06)
[5]量化自我理念在个人健康管理产品设计中的运用[J]. 谢文婷,徐聪.  包装工程. 2016(04)
[6]大数据时代量化自我支持的个性化学习研究[J]. 吴金红.  中国教育信息化. 2015(19)
[7]Web3D可视化技术的研究与应用[J]. 卞敏捷,高珏,高洪皓,许杰品.  计算机技术与发展. 2015(06)
[8]量化自我技术教育应用的现状和趋势研究[J]. 张枝实,张吉先,林卉.  中国远程教育. 2015(03)
[9]量化自我:大数据时代学习的新趋势[J]. 张枝实.  现代教育技术. 2014(11)
[10]用户体验国内外研究综述[J]. 丁一,郭伏,胡名彩,孙凤良.  工业工程与管理. 2014(04)

博士论文
[1]基于Web架构的医学影像三维可视化处理研究[D]. 侯晓帅.中国科学院研究生院(上海技术物理研究所) 2016
[2]基于复杂网络的微博用户群体行为研究[D]. 张静.北京邮电大学 2015
[3]基于视觉认知的自然图像目标识别研究[D]. 李作进.重庆大学 2010

硕士论文
[1]Web前端地理数据可视化技术研究与实践[D]. 李翠.华东师范大学 2016
[2]基于网络学习的可视化分析方法设计与应用研究[D]. 肖军玲.云南大学 2016
[3]量化自我理念在健康管理产品设计中的应用研究[D]. 谢文婷.重庆大学 2014
[4]C2C电子商务网站可用性评价体系研究[D]. 黄黎清.江南大学 2008



本文编号：3155499