楊未艷,李秀一,劉 彤,陳毅文

中國科學(xué)院心理研究所,北京 100101

基于IPSO_LSSVM的虛擬交互方式對用戶心理體驗的評價研究

楊未艷,李秀一,劉 彤,陳毅文

中國科學(xué)院心理研究所,北京 100101

現(xiàn)有用戶心理評價方法缺乏用戶心理體驗和認知，而虛擬交互評價方式在考慮用戶心理特點和認知的基礎(chǔ)上，建立用戶心理體驗評價的思路框架，運用層次分析法構(gòu)造出有用性和易用性權(quán)重判斷矩陣，提出一種基于IPSO_LSSVM的虛擬交互方式對用戶心理體驗的評價研究方法。結(jié)果表明，IPSO_LSSVM可以克服傳統(tǒng)方法進行用戶心理體驗評價的不足，同時可以提高評價的精度和收斂速度，為用戶心理體驗評價的進一步優(yōu)化提高了參考依據(jù)。

虛擬交互技術(shù);心理評價

隨著計算機和虛擬交互技術(shù)的快速發(fā)展，促發(fā)了用戶體驗經(jīng)濟的產(chǎn)生和發(fā)展，用戶心理體驗是指用戶在接受虛擬交互技術(shù)服務(wù)的時候所產(chǎn)生的主觀上的和整體上的心理感受[1]。用戶在接受虛擬交互技術(shù)服務(wù)的時候，用戶心理體驗的質(zhì)量受到客觀環(huán)境、計算機應(yīng)用系統(tǒng)和用戶自身等因素的影響，因此研究虛擬交互方式對用戶心理體驗的評價研究具有重要的理論價值和實際意義。目前，對于用戶心理體驗的研究，由于缺乏用戶心理和用戶認知等因素和特征，導(dǎo)致用戶心理體驗研究和評價研究深入不夠。針對LSSVM模型結(jié)果易受其參數(shù)選擇的影響，將IPSO算法引入LSSVM模型，提出一種基于IPSO_LSSVM的虛擬交互方式對用戶心理體驗的評價研究方法。研究結(jié)果表明，IPSO_LSSVM可以有效提高用戶心理體驗評價的精度，同時較其他方法具有更快的收斂速度。

1 改進的粒子群算法

1.1 粒子群算法

粒子群算法（Particle Swarm Optimization Algorithm，PSO）是模擬鳥群覓食行為所提出的群智能算法，通過群體間的協(xié)作和競爭以及粒子位置和速度的更新，實現(xiàn)最優(yōu)化搜索[2]：

其中，vid(t)和xid(t)分別表示在t時刻時第i粒子的速度和位置；rand1和rand2表示隨機數(shù)，處于[0 1]之間；c1、c2表示學(xué)習(xí)因子，為非負常數(shù)。

1.2 改進的粒子群算法

針對PSO算法收斂速度緩慢和局部最優(yōu)的缺點，將隨機搜索因子引入PSO算法，提出一種改進的隨機搜索的粒子群算法，其改進如下：

其中，公式（4）用來保證粒子搜索的方向，確保算法可以在有效區(qū)域內(nèi)進行搜索。公式（5）用來提高算法初期粒子的全局搜索能力和后期的算法局部搜索能力。a為改進粒子算法的控制參數(shù)，其大小決定粒子的分布。

2 最小二乘支持向量機

其中，ω表示權(quán)重向量；C表示誤差懲罰函數(shù)；ξi表示松弛變量；φ(x)表示核空間映射函數(shù)；b表示偏差。構(gòu)造如下lagrange函數(shù)L，其表達式如下[3]：

其中，ai表示lagrange乘子。對公式（7）求偏導(dǎo)[4]：

消去ω和ξi，可得如下公式：

其中，Q=(1,…,1)T，A=（a1,a2,…,am)T，Y=(y1,y2,…,ym)T，通過求解公式（9），可得到LSSVM模型的估計公式，其如下所示[5]：

3 基于IPSO_LSSVM的用戶心理體驗研究

3.1 思路框架

為實現(xiàn)虛擬交互方式對用戶心理體驗的評價，將用戶心理體驗定義為A，其表示用戶心理體驗的良好程度[6]，其評價的思路框架如圖1所示。

3.2 適應(yīng)度函數(shù)

在保證用戶心理體驗評分誤差最低的情況下，通過IPSO優(yōu)化LSSVM模型的懲罰函數(shù)C和核函數(shù)σ，實現(xiàn)LSSVM模型參數(shù)的最優(yōu)化選擇，其適應(yīng)度函數(shù)如下所示。

圖1 用戶心理體驗評價思路框架Fig.1 The framework of ideas for users’psychological experience evaluation

化LSSVM模型的算法流程如下：

Step 1：歸一化用戶心理體驗得分樣本數(shù)據(jù)，建立測試樣本數(shù)據(jù)和訓(xùn)練樣本數(shù)據(jù)；

Step 2：設(shè)定IPSO算法參數(shù)：種群大小為popsize，迭代次數(shù)為maxgen，學(xué)習(xí)因子為c1、c2；

Step 3：計算粒子的適應(yīng)度值；

Step 4：更新粒子群體的位置和速度；

Step 5：計算粒子個體的適應(yīng)度函數(shù)值，并進行判斷，執(zhí)行Step 5;

Step 6：若gen＞maxgen，保存最優(yōu)解；反之gen=gen+1，轉(zhuǎn)到Step 4;

Step 7：運用IPSO優(yōu)化LSSVM獲取的最優(yōu)參數(shù)懲罰函數(shù)C和核函數(shù)σ，將最優(yōu)參數(shù)代入LSSVM模型，實現(xiàn)用戶心理體驗評價，其評價流程如圖2所示。

圖2 IPSO_LSSVM的用戶心理體驗評價流程Fig.2 The process of users’psychological experience evaluation with IPSO_LSSVM

4 實證研究

4.1 用戶心理體驗特征指標(biāo)

影響用戶心理體驗的因素和特征有很多[7,8]，其中主要包括有用性、易用性。易用性主要針對操作的簡便性，指標(biāo)包括資源覆蓋率、推薦命中率和用戶忠誠度。有用性主要針對滿足客戶的價值性，指標(biāo)包括響應(yīng)速度、導(dǎo)航清晰度和任務(wù)完成效率[9,10]。其權(quán)重判斷矩陣如表1和表2所示：

4.2 用戶體驗效果評價

為了評價用戶心理體驗效果，選擇均方誤差作為用戶心理體驗結(jié)果評價指標(biāo)，其公式如下：

其中，xi，＾xi分別表示用戶心理體驗的實際評分和用戶心理體驗的預(yù)測評分。

4.3 實證分析

將100組用戶心理體驗數(shù)據(jù)http://newsfeed.ntcu.net/～news/2016/，分為訓(xùn)練樣本數(shù)據(jù)和測試樣本數(shù)據(jù)，前90組數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)，用于LSSVM模型的建立；后10組數(shù)據(jù)作為測試樣本數(shù)據(jù)，用于IPSO_LSSVM模型的準確性驗證。

IPS0算法參數(shù)設(shè)定如下：最大迭代次數(shù)為100，種群大小為20，學(xué)習(xí)因子c1=c2=0.5，其預(yù)測結(jié)果如圖3和圖4所示：

圖3 IPSO收斂圖Fig.3 IPSO convergence

圖4 PSO收斂圖Fig.4 PSO convergence

為對比不同算法的用戶心理體驗評價的效果，將IPSO_LSSVM和PSO_LSSVM、GA_LSSVM、ES_LSSVM算法進行對比，對比結(jié)果如表3所示：

表3 用戶心理體驗評價結(jié)果對比Table 3 Comparison of evaluation results for users’psychological experience

由表1可知，在平均絕對誤差和平均相對誤差上，IPSO_LSSVM優(yōu)于PSO_LSSVM、GA_LSSVM、ES_LSSVM和LSSVM，通過不同算法的預(yù)測結(jié)果對比可知，IPSO_LSSVM可以有效提高預(yù)測精度，同時實現(xiàn)LSSVM參數(shù)的自適應(yīng)選擇。

5 結(jié)論

針對用戶心理和用戶認知等因素和特征的缺乏，導(dǎo)致用戶心理體驗研究和評價研究深入不夠，將IPSO算法引入LSSVM模型，提出一種基于IPSO_LSSVM的虛擬交互方式對用戶心理體驗的評價研究。研究結(jié)果表明，IPSO_LSSVM可以有效提高用戶心理體驗評價的精度，同時較其他方法具有更快的收斂速度。

[1]林 一,陳 靖,劉 越,等.基于心智模型的虛擬現(xiàn)實與增強現(xiàn)實混合式移動導(dǎo)覽系統(tǒng)的用戶體驗設(shè)計[J].計算機學(xué)報,2015,38(2):408-422

[2]王道明,魯昌華,蔣薇薇,等.基于粒子群算法的決策樹SVM多分類方法研究[J].電子測量與儀器學(xué)報,2015(4):611-615

[3]張 拓,王建平,ZHANGTuo,等.基于CQPSO-LSSVM的網(wǎng)絡(luò)入侵檢測模型[J].計算機工程與應(yīng)用,2015,51(2):113-116

[4]孫田川,劉潔瑜,康莉,等.基于改進PSO優(yōu)化LSSVM的MEMS陀螺隨機漂移預(yù)測[J].傳感技術(shù)學(xué)報,2016,29(6):854-858

[5]王保義,王冬陽,張少敏.基于Spark和IPPSO_LSSVM的短期分布式電力負荷預(yù)測算法[J].電力自動化設(shè)備,2016,36(1):117-122

[6]李越超.基于QPSO-LSSVM的邊坡變形預(yù)測[J].山地學(xué)報,2015(3):374-378

[7]謝 偉,辛向陽.基于無意識認知的交互設(shè)計研究[J].現(xiàn)代電子技術(shù),2016,39(12):22-25

[8]王 寧,余隋懷,周 憲,等.人機交互界面中形狀特征的視覺顯著度計算[J].圖學(xué)學(xué)報,2016,37(4):514-518

[9]吳茜媛,張云強,鄭慶華.一種e-Learning用戶心理體驗質(zhì)量的定量分析方法[C]//中國計算機學(xué)會服務(wù)計算學(xué)術(shù)會議,2012

[10]吳茜媛,張云強,鄭慶華,等.e-Learning用戶心理體驗量化評價研究[J].西安交通大學(xué)學(xué)報,2012,46(12):109-115

The Evaluation of User's Psychological Experience for the Virtual Interactive Mode Based on IPSO_LSSVM

YANG Wei-yan,LI Xiu-yi,LIU Tong,CHEN Yi-wen
Institute of Psychology/Chinese Academy of Science,Beijing 100101,China

Aiming at the existing method of user psychological evaluation does not consider user psychological experience and cognitive shortcomings,choose the virtual interactive mode of user psychological experience as the research object, considering the characteristics of user psychology and cognition,establish a framework for user psychological experience evaluation,using AHP to construct the usefulness and ease of use the weight of the judgment matrix,presents a user psychological experience of IPSO_LSSVM virtual interactive mode based on the evaluation method.The results show that IPSO_LSSVM can overcome the traditional method of user psychological experience of the lack of evaluation,and can improve the evaluation precision and convergence speed,to further optimize the user psychological experience of evaluation.

Virtual interactive technology;psychological evaluation

N945.16

:A

:1000-2324(2017)02-0251-04

10.3969/j.issn.1000-2324.2017.02.018

2016-08-18

:2016-09-27

楊未艷(1983-),女,碩士在讀,主要研究方向為兒童發(fā)展與教育心理學(xué).E-mail:yangweiyanxl@sina.com