论文部分内容阅读
用户建模是人机交互研究中的一个重要方面，它通过将用户所拥有的知识模型转换为计算模型，使得计算机能够了解用户感知外界的方式、认识事物的过程和发出行为的模式。在基于对用户模型的理解的基础上，计算机可以进一步地改变自身的行为模式来适应人的感觉方式，使得一些人机交互元素能够尽可能地根据使用者的需求，适应使用者的交互特点，形成最适合用户的交互方式和界面表现，从而达到最小的性能代价。因此，较好的为用户建模是实现系统与用户自然交互的第一步。 用户模型已广泛应用到了与用户交互性较强的领域，如自适应人机接口、智能代理、智能教学系统、信息查询等，并出现了多种对用户进行建模的方法，产生了许多颇有价值的研究成果。 新近出现的粗糙集理论是一种数据分析理论，其主要思想是在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。它在处理不确定性和不精确性问题方面推广了经典集合论，可以用来描述知识的不精确性和不完全性。由于用户模型本身会具有的一些不确定性和不精确性因素，因此我们完全可以将粗糙集理论引入到用户建模中，利用粗糙集理论对用户建模。 本文在对人机交互中用户建模方法深入研究的基础上，作了如下工作： 1．介绍了国内外近年来主要的用户建模方法，给出了不同方法之间的比较。目前，国内外进行用户建模的方法主要可以分为两大类：一类是按照对用户模型更新的方式分，可以分为静态用户建模和动态用户建模；另一类是按照建模时使用的不同技术分，可以分为基于模板的用户建模方法、基于机器学习的用户建模方法、基于贝叶斯网络的用户建模方法、基于神经网络的用户建模方法、基于逻辑的用户建模方法和基于模糊集的用户建模方法。 2．将粗糙集的有关理论引入到了用户建模中，提出了利用粗糙集理论对用户建模的方法。利用粗糙集理论为用户建模可以描述用户模型中的不精确性和不完全性，并且无需提供问题所需处理数据集合以外的任何先验信息。另外，粗糙集理论具有较好的渗透性，可以跟其他处理不确定性问题理论有效的结合起来，形成互补。 3．以提出的利用粗糙集理论对用户建模的方法为前提，设计并实现了一个汽车选购自适应用户决策系统(ACCDS)。该系统采用了粗糙集和模板相结合的方法：利用粗糙集理论为用户建模，生成相应的用户类型决策规则，写入系统；系统随时捕捉用户类型的变化，根据不同的用户类型，呈现相应不同的系统模板，从而达到适应不同用户需要的目的。系统验证的实验结果表明，利用粗糙集方法建立的用户模型可以较为贴切地描述用户的特征信息，利用该建模方法设计的汽车选购自适应用户决策系统也能够基本上满足不同用户的不同需要，从而辅助用户在进行决策时的实际操作，节省决策的人力消耗。 4．本文在对用户建模的实验系统中，提出了新的用户类型划分方法，即将用户对计算机使用本身的熟悉情况和在进行选车决策时对所使用的决策方法本身的了解情况结合起来，将系统用户划分为了NSND、NSED、ESND和ESED四种类型。实验结果同样也验证了该用户类型划分方法的正确性和有效性。