基于用户体验的分类垃圾桶设计策略探讨

文章探析以用户体验为中心应用于公共空间分类垃圾桶的设计方法,分析了目前分类垃圾桶存在的分类成功率低的问题,采用深入访谈法的形式了解使用者需求,并通过KJ法归纳出分类垃圾桶的用户体验要素,对分类垃圾桶的设计策略进行研究总结。将以用户为中心的设计理念及研究方法扩展到对分类垃圾桶的设计策略探讨,关注分类垃圾桶使用者群体的潜在需求,以用户体验要素为导向,结合分类垃圾桶的特征,提炼出分类垃圾桶的设计研发的相关原则和策略。     

基于界面交互设计的情感体验设计研究

数字时代,多媒体交互产品充斥在我们生活的方方面面,用户不再是被动的工具使用者,他们越来越重视自身与交互产品的感知程度,开始关注自身的情感体验,寻求交互与自身的情感关联。以用户体验为中心的交互设计从用户情感体验出发,在视觉系统和交互行为中不断深入研究和探索对未来交互领域的发展,这具有极为重要的价值和意义。     

基于用户体验的产品“满意度”设计研究

文章以产品的"满意度"为切入点,介绍用户体验的重要性,以及以用户体验为导向的产品"满意度"设计的内涵所带给用户的价值;旨在通过研究"满意度"的设计评价达到完善用户体验设计的目的,实现给使用者带来更好的生活方式。     

基于Flex和Spring的应用开发架构研究

传统的JAVA EE应用程序使用采用某种MVC框架作为前端用户界面,随着技术的发展,使用者对用户体验方面有了更高的要求,Flex作为富客户端技术在web技术中的应用,在一定程度上提升了用户交互性和用户体验度,为使用者提供了更酷的界面,更短的响应时间及接近于桌面程序的体验。本文主要讨论如何将FLEX技术集成至一个现有的基于Spring的JAVA EE应用程序中,阐述了Flex技术在JAVA EE应用程序中的实现解决方案。     

用户网络行为模拟技术研究

用户网络行为模拟对于网络服务提供商提升服务质量、提高用户体验方面具有非常重要的意义。首先对用户网络行为的研究背景及意义进行了阐述,然后对用户网络行为相关技术的研究进展进行了分类介绍,包括用户个人行为中的细粒度行为和粗粒度行为以及群体行为中的统计模型和生成模型,在此基础上,对这一领域的未来研究方向进行了展望。     

电子鼻界面的用户体验研究

由于现有的电子鼻界面在用户体验方面存在着很多不足,所以文章主要从感官和交互两方面的体验对其进行阐述。采用实验室测试和问卷调查的用户体验研究方法,分析了哪些因素会影响用户在操作过程中的操作行为,并收集了用户对界面元素的整体评估意见。结合实际的设计案例,针对具体问题具体分析,基于人机界面设计原则,提出便携检测设备界面的设计意见。     

用户新闻信息浏览行为和感知价值研究

随着互联网技术的发展,用户信息行为的研究越来越受到重视,浏览行为是用户信息行为的重要组成部分,浏览行为的研究对提升用户体验具有重要意义.以今日头条用户为研究对象,基于顾客感知价值理论,使用访谈法与问卷调查法相结合的方法,探索影响用户浏览新闻的行为的因素.研究发现,用户在移动端浏览新闻场景下,只有实用价值对新闻浏览行为正...     

基于用户情感体验的黄大仙祈福文化产品设计

文章以用户情感体验理论为依据,探索黄大仙祈福文化主题产品设计方法与设计应用实践。基于用户需求与用户体验需求层次,应用情感映射方法分析黄大仙文化元素与用户体验对应关系,分别从图形映射方法探索黄大仙文化元素"形与意的转译",从关联性映射方法探索"过程体验""参与体验"以及"趣味性体验",以及从象征映射方法探索文化故事在文创产品上的叙事性和再现性,探讨黄大仙文化元素视觉化表现形式,以感官体验、行为体验以及情感体验满足用户精神层面对幸福、平安的祈愿,提升产品感染力。     

基于无意识行为的产品界面交互设计研究

文章研究无意识行为的表现,对用户的隐形需求进行挖掘,对新的交互设计方法进行创新和挖掘,优化用户界面体验。在界面交互设计原则的基础上,对用户的无意识行为进行分析研究,结合具体的交互界面设计案例进行分析,论述用户无意识行为进行的造型设计和用户操作的设计,提出了帮助设计师进行更好的创造与创新的交互界面设计,以期可以设计出引发用户共鸣的产品。     

基于用户体验的微课程评价探究

在我国,微课程作为一种重要的微数字化学习资源,虽然资源来源广泛、数量庞大,但质量参差不齐,普遍存在华丽空洞、重形式轻内容、教学与现实脱离等问题。从用户体验角度对微课程进行评价鉴别已成为当前的研究趋势。笔者基于用户体验和微课程评价相关理论进行剖析,分析影响微课程用户体验的要素,构建基于用户体验的微课程评价理论模型,初步形成功能体验、情感体验、美学体验、交互体验四个用户体验评价视角,旨在为建构系统的微课程评价体系奠定理论基础,为微课程的设计人员和微课程的使用者提供借鉴。     

基于用户行为的盲人图书推荐方法

为帮助盲人更有效便捷地通过网络获取所需书籍资源,提出一种基于用户行为的图书推荐方法。该方法在考虑用户兴趣随时间变化的基础上,通过分析用户日志,建模表达访问书籍、访问书籍类别、使用书签3类用户行为,实现盲人用户的图书推荐,同时缓解盲人数字图书馆中的用户数据稀疏问题。实验结果证明,该方法推荐效果良好。     

移动端非显式用户身份信息的隐私问题研究

智能设备给人们带来方便的同时也记录了大量使用者的使用习惯、位置、访问内容等隐私信息.文章综合考虑用户行为数据的采集方式,数据处理方式以及存储方式,自主设计用户行为数据的采集系统,并在智能终端设备上采集用户的大量非显式身份信息数据,包括网络流量信息、屏幕状态信息等,通过对这些数据进行处理和分析,发现利用这些非显式的用户身份信息可以有效对用户身份进行识别,并能推测出部分用户间的社会关系.实验表明,基于非显式身份信息数据的研究对保护用户隐私有重要的现实意义和很大的应用价值.     

基于用户行为分析的本地搜索排序算法优化

随着本地搜索的发展,通用排序算法得出的排序结果已不能完全满足用户的需要,根据本地搜索的特点,可以更好地利用用户的搜索特征。文中提出通过对用户的行为分析,提取用户行为特征值,再运用排序学习的SVM（支持向量机）方法将分析得到的用户行为特征值融入本地搜索算法当中,以此实现对排序算法的优化。融人了用户行为特征后,本地搜索的排序结果平均准确率和前十名文档的相关性都有了一定的提高。实验结果显示,用户行为特征使得排序结果可以更容易、准确地反映用户的兴趣,提升了用户的搜索体验。     

一种网络主题用户数量计算模型

提出一种基于数据挖掘的网络主题用户数量计算模型。从网络服务器访问日志中挖掘网络用户使用记录,应用窗口函数识别多个IP相同的用户,通过分析用户行为的时间特征实现对虚假点击的过滤,构建能够表达用户主观兴趣取向的用户向量,从而自动计算各个网络主题在给定时间片内的用户数量。实验结果证明,该模型具有较高的计算准确性,能为管理人员决策提供技术支持。     

基于用户交互模型的会员网站每日活跃用户量分析

现有的网站往往向注册用户提供服务,而网站中的每日活跃用户量往往决定着网站建设的成败。为了描述网站中每日活跃用户的动态变化,本文将用户在网站上的交互行为分为响应、扩散和衰落三种类型,并提出了一种基于用户交互模型的每日活跃用户量模型。通过响应、扩散和衰落三种交互行为的定义,进一步推导出每日活跃用户随着时间的变化率。通过对每日活跃用户随着时间的变化率进行分析得到如下结论,当网站中用户的响应概率小于衰落概率时网站的活跃用户将趋向于0,反之活跃用户趋于某个固定的常数。大量的真实数据实验表明,不论网站自身的运营是否成功,本文提出的方法都可以很好的描述网站的每日活跃用户数量及其发展趋势,这对于网站的建设和维护具有重要的指导意义。     

基于用户窗口行为的内部威胁检测研究

用户在计算机上的行为直接体现在与应用窗口的交互过程中.针对内网安全问题,从应用窗口的使用角度出发,对用户行为进行研究.搭建完全自由的内网环境,采集与分析用户在应用窗口上的行为数据,提取面向异常用户检测与用户变化行为识别的行为特征.通过样本均值分布特性和K-S检验验证了不同用户使用应用窗口的行为存在显著差异,并结合欧氏距离与置信区间,构建异常行为检测算法.实验结果表明,该算法能够有效检测异常用户与识别用户变化行为,准确率分别高达97.4%和94.5%,对于内部威胁防御具有重要作用.     

微博中用户标签的研究

微博环境中用户可以为自己添加标签,用户所添加的标签往往被视为是对自身特点和兴趣的重要描述信息.标签中所包含的信息可能有助于建立精确的用户描述,因此在个性化推荐、专家检索、影响力分析等应用中有潜在的应用价值.首先,在大规模数据上分析和研究了微博中用户添加标签的行为及标签内容分布的特点;之后,通过主题模型对用户的微博内容进行分析,实验结果表明:用户的标签越相似,微博内容也越相似,反之亦然;随后,分析了用户关注关系与微博和标签内容之间的联系,实验结果显示,有关注关系的用户之间微博和标签的内容越相似;基于这个发现,分别使用标签内容和微博内容对真实微博数据中的用户关注关系进行预测,结果表明:基于标签的预测方法其效果明显优于基于微博内容的预测方法,显示出用户标签在描述用户兴趣方面的价值.     

基于用户行为的P2P-VoD多路径内容分发策略

通过对现有VoD用户行为的研究分析,认为VoD的用户行为具有一定的可预测性,如果分发中能考虑到用户行为的因素,可以提高分发的效率。提出了一种基于用户行为统计的内容分发方案,预测用户行为;采用提前预取的动态策略,达到系统整体性能的优化。对系统的仿真试验证明,基于用户行为的动态预取策略,相比缓存最新策略和F／CN替换策略,可以降低服务器端的带宽压力,提高用户的节点命中率,更好地发挥P2P的I陛能。     

基于User Profile的微博用户推荐

传统微博用户推荐算法采用的数据来源单一,模型简单,导致推荐准确率不高。针对这一问题,本文提出一种基于标签的User Profile推荐算法,根据微博数据的特点,深入研究“微博文本”、“标签”、“社交关系”和“用户自身基本信息”等因素对微博个性化推荐的影响,通过训练LDA主题模型和SVM分类器将它们转换为标签,并赋予权重来描述用户兴趣,进行用户推荐以提高推荐准确性。实验结果表明,与传统VSM模型方法相比,该算法进行用户推荐效果更佳。     

基于忠诚度的社交网络用户发现方法

针对社交网络中提高用户的高黏性问题,提出了一种基于用户忠诚度的用户发现的算法。该算法利用双重RFM模型对用户忠诚度进行计算,挖掘出忠诚度不同分类的用户。首先,通过双重RFM模型动态计算出用户在某一时间段的消费价值与行为价值,得到用户某一时间段的忠诚度;其次,根据用户的忠诚度,确定标度曲线,利用相似度计算找到典型的忠诚用户与不忠诚用户;最后,采用基于模块度的社区发现与独立级联传播模型,发现潜在的忠诚用户与不忠诚用户。在某社交网络的微博数据集上,实现了社会性网络服务（SNS）下用户忠诚度的量化表示,获得了基于用户忠诚度的用户发现结果。实验结果表明,所提算法能够有效挖掘出基于忠诚度的用户分类,可以为社交网站针对用户的个性化推荐及营销等,提供理论支持和实用方法。