王化喆,申藝方

(1.商丘職業(yè)技術(shù)學(xué)院，河南 商丘 476100; 2.濟(jì)源職業(yè)技術(shù)學(xué)院，河南 濟(jì)源 454682)

隨著新能源產(chǎn)業(yè)的深入發(fā)展，智能互聯(lián)充電服務(wù)在各領(lǐng)域得到了廣泛的應(yīng)用，在此背景下，新能源充電汽車也得到了迅速的發(fā)展.智能互聯(lián)充電云平臺(tái)是提供新能源汽車充電服務(wù)的重要平臺(tái)，平臺(tái)服務(wù)內(nèi)容在深度和廣度上緊密圍繞新能源汽車技術(shù)、充電、保養(yǎng)等方面不斷地深入和延伸.但平臺(tái)內(nèi)容豐富的同時(shí),信息的無效率過量推送，難以達(dá)到為個(gè)體使用者提供針對(duì)性服務(wù)的目的.

為了更有效地為平臺(tái)用戶提供個(gè)性化的高效服務(wù)，就要了解用戶個(gè)體對(duì)平臺(tái)信息的興趣偏好，而用戶對(duì)信息的關(guān)注度可以在一定程度上反映其興趣偏好.因此，設(shè)計(jì)者以用戶在平臺(tái)的瀏覽行為為出發(fā)，獲得用戶相應(yīng)的瀏覽行為，對(duì)所收集的用戶行為信息進(jìn)行計(jì)算得出用戶對(duì)不同頁面內(nèi)容的關(guān)注度，從而達(dá)到了解用戶興趣偏好的目的，進(jìn)而向個(gè)體用戶提供更加具有針對(duì)性的服務(wù)，提高智能互聯(lián)充電云平臺(tái)服務(wù)效率和質(zhì)量.

1 用戶瀏覽行為分析

用戶的瀏覽行為在一定程度上能夠反映出用戶對(duì)某個(gè)主題內(nèi)容的關(guān)注度，這是判斷用戶個(gè)人內(nèi)容偏好的重要依據(jù).通過對(duì)數(shù)據(jù)的收集，設(shè)計(jì)者可以進(jìn)行更加符合個(gè)人需要的、差異化的信息推送和產(chǎn)品服務(wù)，達(dá)到提高服務(wù)效率，提升服務(wù)質(zhì)量的目的.

當(dāng)用戶沒有計(jì)劃性或針對(duì)性地瀏覽某主題頁面時(shí)，其對(duì)某一頁面進(jìn)行保存、打印、復(fù)制、粘貼、收藏等瀏覽行為，表明該用戶對(duì)某一頁面上的主題內(nèi)容發(fā)生了興趣且產(chǎn)生了關(guān)注的行為.用戶這種突發(fā)的瀏覽行為，在一定程度上可以反映出用戶隱性的興趣偏好.設(shè)計(jì)者可通過挖掘此類數(shù)據(jù)來確立用戶的隱性偏好，并將用戶潛意識(shí)興趣偏好的行為進(jìn)行轉(zhuǎn)化，提高平臺(tái)用戶人數(shù)和服務(wù)質(zhì)量.

在常見的幾種用戶偏好瀏覽行為中，用戶打印頁面行為操作場(chǎng)景較少.用戶在瀏覽頁面時(shí)，拉動(dòng)滾動(dòng)條、點(diǎn)擊鏈接等操作行為，是瀏覽中較為常見的頻繁操作行為，這些行為有時(shí)是一種非主觀行為，難以作為用戶興趣偏好的依據(jù).而用戶的保存、收藏頁面等瀏覽行為是一種主動(dòng)行為，這些主動(dòng)行為受客觀因素影響較小，能較好地反映出用戶興趣偏好，具有較高的可信度，可以作為用戶關(guān)注度的影響因素.用戶在某一頁面的停留時(shí)間和頁面內(nèi)容的大小存在著直接聯(lián)系，不能獨(dú)立作為用戶關(guān)注度的影響因素，但可以將其作為分析數(shù)據(jù)的參數(shù)來分析.綜上所屬，用戶保存頁面、收藏頁面、頁面瀏覽速度等瀏覽行為可作為對(duì)用戶關(guān)注度進(jìn)行計(jì)算的主要依據(jù)，以計(jì)算用戶對(duì)智能互聯(lián)充電云平臺(tái)不同頁面信息的關(guān)注程度[1].

用戶關(guān)注度是指用戶對(duì)一個(gè)頁面上的內(nèi)容關(guān)注程度的大小，用0-1之間的實(shí)數(shù)表示，0表示不關(guān)注，1表示最大關(guān)注程度[2].

目前，通常用來計(jì)算用戶對(duì)頁面關(guān)注度的方法主要有兩類，一類是基于瀏覽內(nèi)容的方法，一類是基于用戶行為的方法[3].由于用戶對(duì)信息內(nèi)容的隱性偏好，能夠突發(fā)地反映出其某種顯性瀏覽行為.因此，采用瀏覽行為作為用戶關(guān)注度的參考依據(jù)具有更高的可信度.

設(shè)定初始用戶關(guān)注度為Interest×[0,1]，采用保存網(wǎng)頁save(li)、收藏頁面bookmark(li)和頁面瀏覽速度speed(li)作為用戶在智能互聯(lián)充電云平臺(tái)的瀏覽行為. 其中，欄目用l表示，欄目中的頁面用i表示，用戶所訪問的第i個(gè)平臺(tái)頁面表示為li.結(jié)合平臺(tái)用戶的實(shí)際瀏覽行為習(xí)慣及計(jì)算結(jié)果的可信度，對(duì)智能互聯(lián)充電云平臺(tái)用戶的關(guān)注度計(jì)算做了如下設(shè)計(jì).

1)保存、收藏頁面具有較高的興趣偏好指向性，其作為關(guān)注度影響因子具有高可信度的特點(diǎn).因此，當(dāng)用戶發(fā)生保存、收藏頁面任一行為時(shí)，只需獲取用戶保存、收藏頁面瀏覽行為數(shù)據(jù)，不需再抓取用戶頁面瀏覽速度數(shù)據(jù).此時(shí)，收藏和保存頁面與用戶關(guān)注度的關(guān)系為一個(gè)二值函數(shù).

(1)

此時(shí)，用戶關(guān)注度與式h(li)存在如下關(guān)系:

ω1=Interest(li)·h(li)

(2)

2)當(dāng)保存、收藏頁面等瀏覽行為沒有發(fā)生時(shí)，只將用戶瀏覽速度作為影響因子.用戶對(duì)智能互聯(lián)充電云平臺(tái)頁面的瀏覽網(wǎng)頁速度speed(li)取決于頁面內(nèi)容的大小size(li)和駐留時(shí)間的長(zhǎng)短time(li) .結(jié)合生活、工作實(shí)際使用場(chǎng)景，駐留時(shí)間在5s 3min時(shí)，則視為無效信息，程序會(huì)將無效信息排除計(jì)算范圍.頁面瀏覽速度speed(li)關(guān)注度函數(shù)定義為:

(3)

為了避免由于用戶瀏覽速度過快，造成運(yùn)算結(jié)果值過度偏離1，則用戶關(guān)注度與頁面瀏覽速度存在如下關(guān)系:

(4)

基于上述理論，可以得到智能互聯(lián)充電云平臺(tái)不同頁面用戶關(guān)注度計(jì)算公式如下:

Interest(li)=ω1+[1-ω1]×ω2

(5)

2 用戶關(guān)注度的衰減

研究表明，人們?cè)跊]有長(zhǎng)時(shí)間的刺激作用下，對(duì)事物的興趣會(huì)隨著時(shí)間的延長(zhǎng)而逐漸衰減，時(shí)間在智能互聯(lián)充電云平臺(tái)用戶關(guān)注度的計(jì)算中是不可忽視的重要影響因子.因此，關(guān)注(興趣)衰減因子采用公式(6)計(jì)算，進(jìn)而得出關(guān)注度公式(7):

(6)

Interest*(li)=Interest(li)×K(x)

(7)

公式(6)取值c=1.25、k=1.84，較為符合人對(duì)事物的遺忘規(guī)律.公式(7)引入時(shí)間因素對(duì)用戶關(guān)注度的影響，K(x)表示記憶保存量，T=cur-per(表示用戶瀏覽頁面的時(shí)間間隔，以分鐘作為計(jì)量單位) .

根據(jù)公式(7)，得出用戶對(duì)每個(gè)頁面的關(guān)注度公式(8):

Interest″(li)=Interest*(li)+newInterest(li)

(8)

其中，newInterest(li)為關(guān)注度的變化值，即當(dāng)用戶瀏覽新的頁面后，對(duì)原有頁面興趣度的變化大小，考慮了興趣偏好的衰減或強(qiáng)化.為了確保算法的有效性和全面性，將幾種瀏覽行為進(jìn)行綜合計(jì)算，采用公式(9)如下:

newInterest(li)=ω1*f1(h(li))+ω2*f2(speed(li))

(9)

其中，ω1、ω2為不同用戶瀏覽行為所對(duì)應(yīng)的權(quán)重.

最后依據(jù)智能互聯(lián)充電云平臺(tái)的相關(guān)內(nèi)容，利用K-means算法進(jìn)行聚類分析，在不同頁面類別中，隨機(jī)選取相同數(shù)量的頁面作為實(shí)驗(yàn)數(shù)據(jù)開展實(shí)驗(yàn)測(cè)試，得到主題關(guān)注度函數(shù):

(10)

其中,p表示主題，m表示主題數(shù)目，j表示第m個(gè)主題的總共頁面數(shù)目.為了保證0≤Interest(pm)≤1，利用公式(11)對(duì)運(yùn)算結(jié)果進(jìn)行歸一化處理.

(11)

3 實(shí)驗(yàn)分析

本文選取瀏覽2周的某智能互聯(lián)充電云平臺(tái)頁作為處理數(shù)據(jù)，利用K-means算法最終聚類成充電支付、公告管理、智能查詢、技術(shù)維護(hù)、個(gè)人設(shè)置等5個(gè)主題,在5個(gè)主題中隨機(jī)選取5個(gè)頁面的相關(guān)數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù).使用前端性能分析工具Lighthouse得到用戶智能互聯(lián)充電云平臺(tái)瀏覽行為和操作，部分結(jié)果如表1 所示.根據(jù)得到的數(shù)據(jù)，按照前文提出的公式對(duì)用戶關(guān)注度進(jìn)行計(jì)算，計(jì)算結(jié)果如表2所示.2周后再對(duì)瀏覽這些頁面的用戶在平臺(tái)上進(jìn)行線上統(tǒng)計(jì)調(diào)查，調(diào)查強(qiáng)調(diào)了用戶真實(shí)想法的重要性及影響，并對(duì)參與調(diào)查的用戶給予積分獎(jiǎng)勵(lì)，以保證調(diào)查數(shù)據(jù)的真實(shí)性和廣泛性，最后將調(diào)查結(jié)果與計(jì)算結(jié)果進(jìn)行比較，比較結(jié)果如表3 所示.

表1 整理后的部分用戶瀏覽行為

表2 用戶頁面關(guān)注度比較

表3 用戶類別關(guān)注度比較

從實(shí)驗(yàn)結(jié)果可以看出，本文提出的智能互聯(lián)充電云平臺(tái)用戶關(guān)注度算法與用戶線上調(diào)查的結(jié)果絕對(duì)誤差值控制在9%以內(nèi)，充分證明了算法的有效性.

4 結(jié)論

本文圍繞智能互聯(lián)充電云平臺(tái)如何提供高質(zhì)量、個(gè)性化服務(wù)的問題，了解用戶的興趣偏好，以用戶對(duì)平臺(tái)不同信息的關(guān)注度為出發(fā)點(diǎn)，抓取用戶在平臺(tái)的瀏覽行為，結(jié)合關(guān)注度會(huì)隨時(shí)間衰減的規(guī)律，提出了一種智能互聯(lián)充電云平臺(tái)用戶關(guān)注度計(jì)算方法，并通過實(shí)驗(yàn)證明了該方法的有效性.本文提出的方法只是獲取用戶興趣偏好的一種維度，為類似研究提供了基礎(chǔ).為了更好地、全面地了解用戶真實(shí)的興趣偏好，設(shè)計(jì)者還需要進(jìn)一步建立智能互聯(lián)充電云平臺(tái)用戶關(guān)注模型和算法體系，進(jìn)而完善智能互聯(lián)充電云平臺(tái)服務(wù)功能和提高其服務(wù)質(zhì)量，更好地為用戶提供個(gè)性化、專業(yè)化的平臺(tái)服務(wù).