e-Learning用户心理体验量化评价研究

针对当前计算机系统服务质量评价缺乏从用户心理体验角度深入研究的问题,以e-Learning为背景,研究了用户心理体验的定量分析和评价,对用户心理体验进行了整体建模,分析了易用性、有用性、情绪等因素和特征对e-Learning用户心理体验的影响.采用资源覆盖率、推荐命中率等指标度量了易用性和有用性,构造了特征权重矩阵;基于层次分析法量化了整体的用户心理体验评价模型.在某高校e-Learning系统上的实际应用表明,采用所建模型能有效地发现e-Learning系统在用户心理体验方面存在的不足,可为进一步研究影响用户心理体验的情绪等特征、构建更加完善的用户心理体验量化评价方法提供参考.

基于层次分析法和深度学习的用户心理体验评价研究

为克服目前用户心理体验评价指标不够全面的缺陷,本文运用层次分析法建立用户心理体验评价的层次结构模型,运用深度置信网络(DBN)进行用户心理体验评价。研究结果表明,与BP、SVM和ELM相比较,DBN具有更高的评价精度。

在萤火虫算法中优化ELM的用户心理体验评价研究

为实现用户心理体验的科学合理评价,针对极限学习机的评价精度受初始的输入权重W和隐含层偏置b的选择影响,提出一种萤火虫算法优化极限学习机的用户心理体验评价方法。为了更好地衡量和评价用户心理体验,首先建立用户心理体验框架模型,之后运用层次分析法构建出用户心理体验的评价指标体系。将6个二级评价指标作为FA-ELM的输入,用户心理体验得分作为FA-ELM的输出。研究结果表明,该算法FA-ELM可以有效提高用户心理体验评价的精度,且具有更快的收敛速度。

音乐推荐系统主观评价指标研究——以网易云音乐为例

算法推荐在大数据时代是用户获取信息的重要渠道,推荐质量关乎用户的体验态度。如今在用户基数庞大的音乐推荐系统背后,推荐质量参差不齐、用户心理感受被忽视,该领域缺乏一个通用的用户评价指标体系。因此,研究以用户心理体验为导向,在文献回顾和深度访谈的基础上,编制出适用于音乐推荐系统评价的初始量表,通过预调查和正式调查,并采用探索性因素分析、验证性因素分析等统计方法对调查结果进行检验分析,最终获取由内容性、功能性、页面设计、感知易用性、感知体验、干扰风险和质量风险七个维度构成的音乐推荐系统用户评价量表。研究进一步对网易云音乐用户的推荐系统体验态度以及相关影响因素进行探索,最后从实践角度对音乐平台推荐系统的优化方向提出建议。