基于眼动追踪结合鼠标行为的用户兴趣研究.docx
- 文档编号:29519184
- 上传时间:2023-07-24
- 格式:DOCX
- 页数:42
- 大小:4.44MB
基于眼动追踪结合鼠标行为的用户兴趣研究.docx
《基于眼动追踪结合鼠标行为的用户兴趣研究.docx》由会员分享,可在线阅读,更多相关《基于眼动追踪结合鼠标行为的用户兴趣研究.docx(42页珍藏版)》请在冰豆网上搜索。
基于眼动追踪结合鼠标行为的用户兴趣研究
摘要
网上购物是英特网带来的一种新的生活方式,每当用户打开购物网站,大量的商品推荐信息涌入用户的视线,随之而来的信息超载无法避免。
提高电子商务中的推荐精确度成为各大电商关注的重点。
本文先对现有的推荐系统进行介绍分析,找出其中不足,提出结合眼动追踪和鼠标行为改进推荐系统的假设。
再运用Smart-Eyes和GazeTracker进行眼动追踪分析和鼠标行为分析,就用户感兴趣时表现出的行为特征进行研究分析,判别用户真正兴趣,找出用户感兴趣时的行为特征,为判别用户真正兴趣提供依据。
关键词:
行为特征,判别用户兴趣,眼动追踪,鼠标行为
Abstract
Onlineshoppingisanewstyleoflifewhichbroughtbyinternet.Thegoodsrecommendedinformationpackintousers’lineofsightwheneveruseropensashoppingsite.Theoverinformationoverloadcannotbeavoided.Improvingtheaccuracyofrecommendhasbecomethefocusofattentionoftheonlineretailers.Inthispaper,wefirstlyintroducedandanalysisdetheexistingrecommendationsystemtofindthedefectandproposedanassumptionthatcombinatingeyetrackingandmouseactionswetoimprovetherecommendationssystem.AfterthatweusetheSmart-eyesandtheGazeTrackertoanalysistheeyetracingandmousebehaviorinordertodiscriminateusers’realinterstandtoidentifytheusers’characteristicsbehaviorwhentheyshowtheinterestwhichcouldprovidethebasisforthediscriminationofusers’realinterest.
Keywords:
characteristicsbehavior,discriminationofusers’interest,eyestracking,mousebehavior
目录
1、绪论1
1.1用户兴趣研究背景与意义1
1.2推荐系统和眼动技术国内外研究现状1
1.3本文研究内容和研究方法3
1.4本文组织结构4
2、眼动追踪挖掘用户兴趣理论依据5
2.1通过眼动追踪挖掘用户兴趣可行性分析5
2.2实验设计说明5
2.3本章小结9
3、眼动数据分析10
3.1AHP层次分析法简介及选择该方法的原因10
3.2运用AHP层次分析法决定所需眼动参数10
3.3眼动参数散点图分析14
3.4本章小结21
4、鼠标行为分析22
4.1马尔科夫链定义22
4.2选择该方法的原因22
4.3数据记录及分析22
4.4本章小结26
5、眼动参数结合鼠标行为结论及论证27
5.1结合两类参数得出结论27
5.2结论论证27
5.3本章小结31
6、总结与展望32
6.1总结32
6.2展望32
参考文献33
致谢34
1、绪论
21世纪是个信息化、网络化的时代,随着网络技术的不断发展,现在人们的生活已经很难脱离英特网。
网上购物作为英特网的衍生物之一,是现今极为普遍的购物方式,其优势(快捷、实惠、可选择性强、足不出户等)也将使其在成为在未来重要的一个购物模式。
1.1用户兴趣研究背景与意义
网上购物不同于传统购物,用户不必特地抽出时间出门来到商圈进入店铺挑选需要的商品。
网上购物过程通常只有几分钟到几十分钟的时间,浏览购物网站即可接收到各类商品信息。
浏览网站即可接收到大量购物信息固然方便,但与此同时产生的信息超载也随之而来,过多的不必要信息甚至是令人产生厌恶感的产品信息反而会削弱用户的购买欲望,缩短用户在网页上停留的时间。
如何有效利用用户在网页上停留的几分钟挖掘用户兴趣推荐商品,让用户在几分钟内产生购买欲望,是电商们不得不重视的问题。
该问题关键在于用户兴趣的判别,当推荐的商品迎合了用户兴趣,甚至挖掘了用户潜在兴趣时,可极大地提高用户购买欲望和购买概率,从而创造商业效益。
准确且有针对性的推荐系统能为电商带来更高的效益,目前的推荐系统研究大多集中在算法,通过研究出更合理准确的算法来推测用户兴趣,但算法研究始终是从用户过往行为中进行总结分析预测用户兴趣,该方法虽久经改进有一定准确性和实用性,但始终停留在理论推测上,不够直接,且某些特征相似性强的用户未必兴趣非常相似,即使是同一个用户过去的兴趣和现在的兴趣也可能大相径庭。
因此算法研究始终难以突破其局限性。
眼动行为研究则从另一个角度——人机工程角度入手。
通过分析研究用户眼部行为(眨眼,瞳孔放大等),对用户心理和行为进行总结分析。
在内容推荐方面,眼动研究可更为直接地判别用户是否对商品感兴趣,深入发掘用户潜在需求与正真兴趣,为优化推荐内容提供有效参考。
在逐步进入的“摄像头识别技术”时代,这样的研究能为个性化内容推荐的发展提供参考。
1.2推荐系统和眼动技术国内外研究现状
1.2.1推荐系统
目前国内外在内容推荐方面的研究主要在算法的不断精确上,或者研究不同算法带来个性化推荐内容。
现有的推荐算法主要有三类[1]:
(1)基于内容的推荐——基于内容的推荐算法是根据信息的内容和用户偏好之前的相关性,向用户产生推荐。
该算法的弊端在于用户只能收到过去的偏好推荐,难以挖掘用户潜在兴趣喜好。
(2)协同过滤推荐——协同过滤推荐的基本思想是根据具有类似观点用户的行为对目标用户进行推荐或预测。
又分为基于用户的协同过滤推荐和基于项目的协同过滤推荐,两种方式大致上都是通过项目之间的相似性推测出推荐内容。
通过相似性推测相似的用户有相似的兴趣喜好,此法虽有一定可行性,但难以保证相似用户的兴趣爱好完全相似。
(3)混合式推荐——混合式推荐主要思想就是结合基于内容的推荐和协同过滤推荐,实验结果表明混合式推荐性能更优于传统的推荐算法,自然也是现今使用最多的推荐算法。
当然混合式推荐同样没有摆脱上述2中算法在用户兴趣挖掘中的弊端。
1.2.2眼动追踪技术
眼动追踪目前被广泛应用于各类研究,主要方面包括心理学研究,阅读过程研究,驾驶疲劳研究。
眼动仪本身是心理学基础研究的重要仪器,早在19世纪就有人通过观察人的眼球运动来研究人的心理活动,通过分析记录到的眼动数据来探讨眼动与人的心理活动关系[2]。
一个正常人的生理活动离不开心理活动,所以在各类涉及视觉上有人机交互行为的研究中,眼动追踪技术都可有所建树。
LynneCooke研究了眼球运动和人认知活动之间的联系,并得出凝视时间和凝视频率是相互关联的结论[3],为眼动研究在交互行为上的应用提供了理论支持。
下面是眼动追踪技术的应用实例:
(1)网页设计上的应用——QianLi,LinyanSun,JiyangDuan通过眼动追踪技术调查用户查看网页的过程中,持续凝视的时间,人的因素导致的凝视,不同运营商导致的不同凝视,用户关注的顺序,用以更进一步的网络功能设计[4]。
(2)教学方面的应用——国外也有将眼动研究运用于教学过程中的例子。
当用户使用教学材料,同步视频和PPT幻灯片时,通过记录用户的眼球运动,进行用户行为分析,研究幻灯片和视频在教学中的互补作用[5]。
也有通过眼动技术研究用户的情绪状态,改善电子学习过程[6]。
很明显,教学方面的研究因贴合用户情绪状态,可以为内容推荐上的眼动研究提供参考。
(3)内容推荐方面的应用——眼动追踪技术曾被应用于购物网页界面设计研究,LiChen和PearlPu通过研究用户眼动轨迹,比较各类推荐界面中用户的眼动参数,总结出相性布局界面比传统顺序界面更为高效[7]。
SylvainCastagnos、NicolasJones和PearlPu通过收集用户选择过程的眼睛凝视参数等,研究推荐系统是如何影响用户选择[8]。
以上研究仅仅是对商家方面进行研究,虽然是通过用户的眼动轨迹,但最终指出的还仅限商家在网页布局上的问题以及改进方式,没从用户的角度去发掘用户兴趣。
由此可见,眼动追踪在电子商务内容推荐上的应用尚不深,有进一步的用武之地。
上述的研究虽然没有直接应用于一个人的兴趣判别上,但利用眼动研究可深入人的心理活动的特点,可通过眼睛的行为表现可预测用户喜好,喜好程度,为进一步的推荐提供参考。
1.2.3两种研究结合现状
推荐系统算法的研究正在不断的改进,特别集中表现在协同过滤推荐算法的优化上[9],不过通过上述几种推荐算法可以看出,推荐系统的算法主要通过用户在网页上操作后留下的数据,或者个人信息资料进行分析给出推荐,利用算法固然能通过有效数据推测出用户兴趣,但这种方式大部分过程建立在推测和数据上,且对数据真实性要求很高,但收集到的用户数据却难以保证很高的真实性。
而一个普通人的眼部行为特别是瞳孔的放大缩小,难以主观控制。
如果能从用户行为上入手,通过分析用户行为,结合推荐算法,有极大可能提升推荐质量。
通过研究用户行为特别是眼部行为来挖掘用户兴趣的研究还比较少。
人们常说眼睛是人心灵的窗户,可见眼部表现是一个值得在各方面进行研究的方向。
国内已有采用眼动仪通过用户眼动数据挖掘用户的兴趣权重[10]。
从眼动参数入手确实是一个较为实际且创新的方法,其优点在更为直观反映用户的兴趣点,但它的不足在于单一的眼动参数无法100%真实反映用户兴趣,此时更准确的研究方法就需要用户眼动参数结合用户其它的行为参数,以保证信息的有效性。
国外也有学者通过眼动参数研究不同的推荐界面布局给用户选择带来的影响[11]。
从而总结出不同界面的推荐效果优劣,优化推荐页面布局从而吸引用户的注意力到更多的推荐商品上,既提高了推荐质量,也给电商带来了更高的效益。
不过研究同样暂时只涉及了眼动参数,并未结合其他眼部行为,另外研究也只是在界面设计上吸引更多注意,并没有发觉用户真正喜好,用户可能只是选择了一个“较喜欢”的商品。
1.3本文研究内容和研究方法
在网购过程中,主要的购物过程是通过人眼接收信息结合鼠标操作构成。
因此本文提出一种推测,当用户在页面上发现了感兴趣的商品时,眼动参数是否存在一个特定的状态,与此同时,鼠标操作又有怎么样的行为特征,当用户的眼动行为和鼠标行为同时符合该特征时是否可以判定为该用户看见了感兴趣的商品。
因此,本文设计一个实验来记录用户网购过程中的眼动凝视参数、眨眼参数、瞳孔直径参数、用户鼠标行为。
分别分析用户在整个购物实验过程中的眼动行为和鼠标操作行为,总结出两类行为的在用户不同状态下的特点,再将两类行为结合分析,总结出一套用户感兴趣时的行为模式,得到用户为更准确的兴趣项,为提高内容推荐的质量提供一定依据。
研究实验被设计为一个“购物实验”,在实验中使用smart-eyes采集用户购物过程中的眼部行为参数数据,运用GazeTracker同步对电脑界面进行视频拍摄进行辅助记录。
运用AHP层次分析法选出判别用户感兴趣程度最为适合的眼部行为参数后,用SPSS软件绘制眼部参数散点图,分析眼动参数,运用马尔科夫链分析用户各个状态下的鼠标行为组成。
总结出用户兴趣时的眼部行为表现和鼠标行为表现。
1.4本文组织结构
(1)绪论
介绍本文研究背景研究意义,推荐系统国内外发展现状,眼动追踪技术国内外应用现状,阐述本文研究内容和研究方法,以及介绍本文的组织结构。
(2)眼动参数挖掘用户兴趣理论依据
首先分析能通过眼动参数挖掘用户兴趣的原因及可行性,提出假设性结论。
接着通过问卷调查找到最合适的人参与实验,确定实验所需时间,场景环境。
最后介绍了实验过程,实验用到的仪器设备,以及实验最终能取得什么样的数据。
(3)眼动数据分析
通过AHP层次分析法分析出眼部几个主要参数在用户感兴趣的表现中的权重参数,从而确定选取哪几项参数进行研究。
将实验中记录的眼动数据运用SPSS对眼动数据进行散点图绘制,通过数据散点图直观地总结出用户发现感兴趣商品是的眼部行为表现。
同时发现单一的眼动参数在用户兴趣判断上的不足之处。
(4)鼠标行为分析
为弥补眼动参数在用户兴趣判定上的不足引入鼠标行为分析,数据依旧来自于之前的实验。
运用马尔科夫链进行用户各个状态下的鼠标行为组成分析,得出用户不同状态下的鼠标行为特征。
(5)结论及论证
通过结合先前总结出的用户感兴趣时的眼动参数特征和鼠标行为特征,提出用户感兴趣时的初步眼动结合鼠标行为特征结论。
进行一次检验目的的实验,通过采集分析第二次实验中用户的眼动行为和鼠标行为数据,对比先前得出的结论,验证之前提出的用户感兴趣时的行为特征。
(6)总结与展望
总结全文研究过程,并在目前的研究基础上提出进一步研究方向。
2、眼动追踪挖掘用户兴趣理论依据
2.1通过眼动追踪挖掘用户兴趣可行性分析
通过算法判别用户的兴趣喜好的优点在于其有长时间的研究基础,经历过较长的理论不断完善改进的过程,但其不足在于仅仅通过历史数据难以判别用户当下兴趣,而相似度高的用户兴趣可能并不十分相似。
从现有的研究可以发现,推荐系统始终离不开用户本人,一切的推荐数据源都源自于用户本身,所有的研究都从用户着手,可见内容推荐的研究必须从用户本身出发。
而用户作为正常人,行为始终联系着心理活动,眼睛便是用户心灵的窗户。
眼动仪目前的应用,不仅仅是用户眼动行为的研究,更衍生到了从用户的眼动行为发掘用户心理的研究。
用户对一样物品的喜欢厌恶本身便是一种心理状态,通过眼动仪研究用户的喜好,既从用户本身出发,得到最贴切最真实的数据,又符合眼动仪的研究特点,故通过眼动参数研究用户兴趣,可行性极高。
在此可提出一个大胆假设,当用户看见自己感兴趣的商品时,眼部行为是否存在一个特殊的状态,并且可通过这个状态特征反过来推断用户对一样东西是感兴趣的。
但不排除单一从用户眼部行为表现判定用户兴趣喜好存在不准确性的可能,故需要通过反复的实验研究对比,确定是否需要进一步融入其他交互行为的研究比如鼠标行为,用户鼠标行为也是一项曾被用户判定用户兴趣的依据,雅虎研究院就曾经做过通过鼠标行为判定用户兴趣的研究。
2.2实验设计说明
本次实验先对在校大学生进行网购行为进行问卷调查,得出在校大学生大致网购行为状况后进行实验。
2.2.1问卷部分
在实验中,8名志愿者参加了这项实验。
他们主要是大学生,年龄在21岁到25岁,为确保参与实验的志愿者的眼动参数和行为参数具有代表性。
8名志愿者皆是事先进问卷调查后选出。
调查问卷如下:
您好,很高兴您能在百忙之中抽出时间参与此次问卷调查。
此次问卷调查主要目的是了解现今人们网购行为的普及程度,网购频率,及网购习惯等,希望您能如实填写,谢谢!
1、请问您的性别是?
A.男B.女
2、请问您过去有进行过网购吗?
A.有过→NO.3B.从未→NO.9
3、请问您网购的频率是?
A.每天一次
B.每周2-3次
C.每月2-3次
D.每月1次左右
E.每2-3月一次
D.半年或半年以上一次
4、请问您的网购习惯符合以下哪种情况?
(多选)
A.没事就喜欢上购物网看看,不用事先计划,看到喜欢的就买
B.有确定要购买的物品时才上购物网
C.不定期会上购物网看特定商品行情,可能会买,也可能不买(这里的特定商品时指近期内计划购买的东西,但还没有确定)
D.很喜欢逛网店,但是很少购买
5、请问您每次网购时间大概是多久?
A.10-20分钟
B.20-60分钟
C.1小时以上
D.不一定,视情况而定
6、当您看到您感兴趣的物品时是否一定会购买?
A.只要经济状况许可,一定会购买
B.无论经济情况如何,都会先考虑一下再决定是否购买
C.经常看到感兴趣的物品,但却很少购买
D.很少在网上看到自己中意的物品,所以很少购买
7、当您需要购买一样物品,却没有发现自己特别中意的,下列哪像描述最符合您平时表现呢?
A.既然是需要的,即使没有特别中意的会退而求其次购买相对中意的
B.找不到中意商品便放弃通过网店购买,选择其他购买方式(实体店、电视销售等)
C.暂时搁置购买计划,过些时日再上网搜索是否有新的商品
D.直接打消购买念头
8、您平时使用最多的网购平台是哪个呢?
A.淘宝(包括天猫)
B.京东
C.1号店
D.亚马逊
E.当当
F.其他(请注明)
9、您在今后是否会尝试或继续进行网上购物呢?
A.肯定会
B.不会
C.视情况而定
问卷结果分析
10、请问您是否愿意参与一项关于网购行为研究的实验?
A.愿意
B.不愿意
最后再次感谢您参与本次的问卷调查,祝您生活愉快,谢谢!
本问卷通过实体派发方式,共获得52份有效填写问卷。
以下是部分调查结果统计表。
表2-1有无网购经历表
网购经历情况
人数
所占比例
有过网购经历
47
90.39%
无网购经历但有兴趣尝试
4
7.69%
无网购经历近期也不愿尝试
1
1.92%
表2-2网购频率表
网购频率情况
人数
所占比例
每天一次
0
0%
每周2-3次
1
2.13%
每月2-3次
19
40.43%
每月1次左右
7
14.89%
每2-3月一次
16
34.04%
半年或半年以上一次
4
8.51%
表2-3网购平均时间表
网购平均时间
人数
所占比例
10-20分钟
3
6.38%
20-60分钟
24
51.06%
续表2-3网购平均时间表
1小时以上
2
4.26%
不一定,视情况而定
18
38.30%
表2-4主要网购平台表
主要网购平台
人数
所占比例
淘宝(包括天猫)
28
59.57%
京东
3
6.38%
1号店
13
27.66%
亚马逊
2
4.26%
当当
0
0%
其他
1
2.13%
表2-5实验意愿表
是否愿意参加网购实验
人数
所占比例
愿意
27
51.92%
不愿意
25
48.08%
通过问卷调查填写结果,选出3类具有代表性特征的志愿者,分别为从未进行过网购行为者,经常进行网购者,偶尔进行网购者。
介于此项研究主要针对愿意进行网购的用户,所以在志愿者选取方面,有网购经历的志愿者相对较多,特别是热衷于网购的志愿者。
具体分配如下:
2名志愿者之前没有网购经历,4名志愿者有丰富网购经历(平均每月进行2-3次以上甚至更高频率网购),另外2名志愿者有网购经历,不过仅仅在需要时才进行网购,网购频率一般(每2-3个月进行一次网购),男女各一半。
2.2.2实验部分
根据调查表的各类统计数据,设定了一个有针对性的实验场景。
实验目的:
在实验过程中用smart-eyes采集被实验者购物过程中的眼动参数,主要是采集用户凝视情况,眨眼频率,和瞳孔直径情况。
另外通过GazeTracker进行视频摄像,记录用户整个网购过程中的鼠标操作行为。
实验仪器介绍:
实验中主要运用smart-eyes采集用户眼部行为数据,记录方式是每秒60帧。
视频录制方式是运用与smart-eyes同步打开的,两样软件记录是时间误差很小,不影响实验数据分析结果,故可忽略不计。
2.2.3实验过程
每位志愿者进行2到4次购物实验,具体视该志愿者的实验情况而定。
购物平台是“淘宝网”和“1号店”两个购物网站中任意选择,具体根据志愿者兴趣而定。
购物时间不限,设定虚拟条件为有每名被实验者每次实验开始时拥有500元虚拟资金用于网购,用户在进行自由挑选后,以将放入购物车内的商品表示为最终购买了该商品。
每位被实验者在每一次实验中只要购买的商品总价不超过500元上限,没有数量和种类限制。
在实验者进行购物行为之前,会有要求实验者进行鼠标速率调整,页面显示百分比调整等普通行为,用以记录一般情况下该实验者的瞳孔直径,为实验中瞳孔变化情况提供一个标准,同时可以尽可能减少购物过程中非购物因素导致的鼠标操作行为,但一开始的调整行为不被记入实验有效鼠标操作行为。
2.3本章小结
在本章节中,先总结现有研究成果,对眼动参数和用户兴趣之间的关系提出假设。
接着对实验方式进行说明,先对目前在校学生的网购情况进行了初步调查,再通过调查结果合理选择参与实验的人员。
之后介绍了实验的目的和过程,为下一章节的进一步研究提供依据。
3、眼动数据分析
本章节主要分析实验中眼动仪采集到得眼动数据,由于眼动仪能采集的数据种类较多,故先使用层次分析法选出最为合适的眼动数据进行记录研究。
再通过使用SPSS软件对眨眼数据、瞳孔直径数据、凝视次数数据绘制散点图后,看图分析。
3.1AHP层次分析法简介及选择该方法的原因
层次分析法(AnalyticHierarchyProcess简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。
该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初,在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析方法。
层次分析法把研究对象作为一个系统,按照分解、比较判断、综合的思维方式进行决策,成为继机理分析、统计分析之后发展起来的系统分析的重要工具。
系统的思想在于不割断各个因素对结果的影响,而层次分析法中每一层的权重设置最后都会直接或间接影响到结果,而且在每个层次中的每个因素对结果的影响程度都是量化的,非常清晰、明确。
这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价[12]。
层次分析法主要是从评价者对评价问题的本质、要素的理解出发,比一般的定量方法更讲求定性的分析和判断。
由于层次分析法是一种模拟人们决策过程的思维方式的一种方法,层次分析法把判断各要素的相对重要性的步骤留给了大脑,只保留人脑对要素的印象,化为简单的权重进行计算。
这种思想能处理许多用传统的最优化技术无法着手的实际问题。
眼动参数之间没有统一的单位,难以从简单的百分含量入手确定其在研究中的重要程度,而层次分析法能将每类参数对结果的影响程度,在其重要度上进行量化。
AHP方法不仅原理简单,而且具有扎实的理论基础,适合评价眼动参数在判别用户感兴趣程度上的重要度。
3.2运用AHP层次分析法决定所需眼动参数
眼动仪能记录的眼动参数众多,通过参阅文献,确定众多参数中与用户感兴趣较为相关的参数,再通过层次分析法选择最为合适的参数,确定下一步实验中需要进行记录的数据和眼动参数研究方向。
3.2.1建立层次结构模型
在深入分析实际问题的基础上,将有关的各个因素按照不同属性自上而下地分解成若干层次,同一层的诸因素从属于上一层的因素或对上层因素有影响,同时又支配下一层的因素或受到下层因素的作用。
最上层为目标层,通常只有1个因素,最下层通常为方案或对象层,中间可以有一个或几个层次,通常为准则或指标层。
目标层:
用户感兴趣
指标层:
眼部活动
对象层:
眼睑张开度,眨眼频率,扫视次
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 追踪 结合 鼠标 行为 用户 兴趣 研究