人机协作的用户故事场景提取与迭代演进

敏捷软件开发中常用用户故事表达需求：用户故事讲述了具体的用户角色希望软件完成的功能.系统新版本的需求常常来自多个用户故事的整合.随着版本的迭代,不断会有新的用户故事出现.用户故事的迭代式管理和整合是敏捷开发成功的关键.为帮助开发者掌握项目的用户故事需求,提出人机协作的用户故事理解、整合和管理方法,支持需求的迭代更新.具体而言,提出用户故事元模型和带场景细粒度描述的用户故事表示,从故事描述、功能特征属性以及场景3个维度表达用户故事.便于开发者理解用户故事所表达的功能需求.提出基于元模型的用户故事理解,以及用户故事表达元素的自动提取方法.提出人机协同式用户故事整合方法,使用功能场景图辅助开发者确定用户故事间的关联关系.提出基于功能场景图的用户故事迭代更新方法.案例研究展示了方法的可行性.     

微博用户的相似性度量及其应用

微博用户的兴趣分析和模型表示是用户关系分析的基础,而用户关系分析又构成了微博社会网络的生成和分析的基础.该文主要讨论微博的用户关系分析技术.作者将微博社会网络视为一个加权无向图,节点表示用户,边表示用户之间的关系,边的权值表示用户之间的关系强度.该文将用户关系强度定义为用户之间的相似度,分别给出了基于各种用户属性信息(背景信息、微博文本、社交信息)的用户相似度计算方法,并通过实验系统性对比了上述方法的优劣.实验结果显示:基于社交信息的用户相似度在用户关系分析方面取得了最好的效果.为了进一步验证上述用户相似度的实际性能,该文将它们应用于用户推荐的相关实验,基于社交信息的用户相似度又取得了最好的推荐效果.最后,该文应用基于社交信息的用户相似度生成了微博的社会网络(称作用户相似性网络),在该社会网络上进行了团体挖掘的实验,实验结果显示了该相似度在团体挖掘上的有效性.     

基于Cookie技术和启发式规则的用户识别算法

用户识别是Web使用挖掘数据预处理中非常重要的一个环节.有些ISP在用户每次登录Internet时,随机分配IP地址给用户,使得一个用户拥有很多IP地址.使用经典启发式规则的IP地址去识别用户时,会造成一个用户分成几个用户的错误.因为在一定期限内,即使IP地址不同,一个用户的Cookie值是固定不变的,所以可以通过Cookie值确定一个用户.将Cookie技术和经典的启发式用户识别方法相结合形成的一种用户识别的综合算法CTHR,弥补了启发式规则识别用户时产生的错误,提高了算法的准确性及效率.实例验证了算法的有效性.     

基于用户偏好的社会网络二级人脉推荐研究

社会网络服务(SNS)用户的人脉关系研究大多采用图论的知识,对社会网络关系图的结点和边进行探讨,而没有考虑到用户自身的偏好.因此提出一种基于用户偏好的二级人脉推荐方法.利用最小均方误差(LMS)算法,把用户偏好合理地转化为用户偏好特征向量,用相似度度量方法来计算用户之间的相似度,以确定与用户偏好最相近的用户集,并完成用户的二级好友推荐.实验结果表明,该算法的好友推荐准确度较高.     

因子分析在基于用户兴趣的Web文档聚类中的应用

通过对实际Web访问日志的统计分析认为,在日志中用户的兴趣具有集中性,这说明用户由稳定兴趣驱动访问Web的频率远远高于偶然兴趣的驱动,因此一定时间段的Web访问日志中一定蕴含了用户的稳定兴趣.本文试图利用因子分析理论从用户访问频率矩阵中挖掘出用户的稳定兴趣因子,以此构造用户兴趣空间,并在用户兴趣空间中进行Web文档聚类.该用户兴趣空间突出了用户的共同兴趣,是一个正交空间.实验结果表明,用户兴趣空间中的Web文档聚类优于直接在用户访问频率矩阵(即用户空间)中的聚类.同时,空间的转换达到了数据压缩的效果.     

在线软件生态系统用户活跃度的经验研究

为了以更少的成本来满足用户的需求,软件公司开始借助第三方开发者建立软件生态系统.提出了度量软件生态系统的用户活跃度的问题,对软件生态系统用户活跃度进行建模,设计层级结构的指标体系.从研究系统层面的用户活跃度为主要目标,分析用户行为,把用户群体的行为作为活跃度的判定依据.定义软件生态系统的具体指标:应用吸引力,用户忠诚度,用户流动性等.进行了案例研究,基于大量用户行为数据,进行服务异常监控和趋势分析.     

基于位置的社交网络用户签到及相关行为研究

Web2.0时代,空间定位技术不断成熟,使得基于位置的社交网络(LBSN)快速发展.LBSN用户的典型行为是签到以及针对签到地进行评论等.探索用户签到及相关行为的规律及背后动机,可以更好地了解用户的需求,发现系统设计与用户需求的不匹配之处,这对LBSN类应用的设计和开发具有一定的指导意义.利用在线数据抓取工具GooSeeker抽样国内典型的LBSN嘀咕网的用户数据.通过对获取的数据进行处理、分析,获知用户签到行为特点.同时关注用户发布的签到地评论的内容,并且使用分类工具SVMCLS将用户对麦当劳的评论划分为不同的倾向级别,从而得到用户对麦当劳的主观情感倾向性.结果发现嘀咕网用户签到的时间和地点存在规律性特征.用户趋向于在签到地做出正面的评论,并且评论的内容比较简短.这些发现有助于LBSN类系统设计和开发人员更好地了解用户,获知用户的需求,最终完善自己的设计,为用户提供更好的应用服务.     

基于用户黏度的微交互设计研究

一个深受用户喜爱的产品和一个让用户觉得一般产品的区别,很大程度在于微交互带给用户的体验感不同.微交互带给用户体验感越佳,用户的黏度就越大,反之微交互带给用户地体验感不佳,用户黏度就会下降.本文将从用户黏度的角度来分析微交互产品的创新.     

基于用户动机模型的搜索引擎研究

提出一种基于用户动机模型的网络搜索引擎和一种提高用户行为模型构建效率的方案.动机模型建立于用户与搜索引擎之间,用以辅助用户检索,以达到提高搜索引擎检索效率和准确率的目的.以人类行为学为理论基础,以个性化技术为手段,从而合并相似的用户行为模型以构建用户动机模型.通过实验,验证了基于用户动机模型的搜索引擎比通用搜索引擎能更好地适应用户的需求.     

Windows Vista最经常用到的十个设置

1.关闭UAC 原因:Vista新添的用户账户控制(UAC)功能,使其安全性有了极大提升,但是同时也给用户带来了诸多不便,如果您无法忍受每次开启程序时的弹出,就可以将其关闭了. 方法:Vista优化大师→安全优化→用户安全设置→禁用用户账户控制,勾选,保存设置.或者,控制面板用户账户和家庭安全用户账户打开或关闭用户账户控制,去掉勾选,确定.     

个人数据空间管理中的任务挖掘策略

在个人数据空间管理过程中,用户需要处理大量异质数据如邮件、文档、图片等.随着用户数据在数量和种类上的增多,如何有效管理这些数据,为用户提供有效的存储及查询服务成为一个具有挑战性的问题.传统数据管理工具如文件系统、桌面搜索工具等并未给用户提供足够的管理能力.究其原因,个人数据空间是由数据、用户以及服务三要素组成.而传统数据管理工具却忽略了用户这一要素,因此仅能在存储路径或全文索引的基础上提供服务.实际上数据与用户之间具有密不可分的联系,个人数据空间中的数据正是来自于用户行为.而用户行为是由一个一个任务组成的.挖掘个人数据中的任务,可以建立起数据间基于用户行为的语义关系,进而可以为用户提供任务视角的数据管理服务以及基于任务的查询服务.正是基于这一思想,提出了基于用户行为挖掘用户任务的方法.通过分析用户行为,发现个人数据由用户行为产生的时序关系,然后根据该时序关系生成用户的任务.实验证明该方法是有效的.     

基于兴趣的Web挖掘中用户身份的识别新方法

分析了基于用户兴趣的Web挖掘中用户身份识别的重要性,以及对下一步路径填充的影响.针对目前众多的Web挖掘用户身份识别方法的缺陷,提出了一种基于兴趣的Web挖掘用户身份识别新方法.该方法通过取得用户的CPU号或网卡号,对用户的打扰为零,实现用户的个人身份识别.该方法简单易行,对Web挖掘中用户身份识别所存在的5个难题解决4个,提高了用户身份识别的准确率,为Web挖掘的准确性提供了保障.     

基于关键字的用户聚类算法

为了得到准确有效的用户聚类,提出了一种基于关键字的用户聚类算法.该算法是在传统Rock算法的基础上进行了改进,提出了相似权重和平均邻居的概念,并且将用户关键字事务集的平均邻居数定义为用户访问模式相似性的标准.在不产生离群用户点的基础上,缩小了用户聚类的范围,将一个大的用户聚类更加精确的划分为几个小的用户聚类.利用用户之间的相似度阈值对数据进行过滤,减小了用户聚类的计算量.经过实验验证该算法有效的提高了相似用户聚类的准确性和运行效率.     

基于会话分类的Web用户访问模式挖掘研究

随着Internet的迅速发展,Web站点的访问用户越来越多样化,不同种类用户的访问模式有所不同.提出一种基于会话分类的Web用户访问模式挖掘方法.这套方法把用户会话划分为人类用户会话、网络爬虫会话和资源下载类用户会话三大类,在此基础上分别对3类用户的访问模式进行挖掘.通过会话分类可以提高挖掘的效率与准确性.其中重点研究了人类用户的访问模式挖掘,提出一种基于用户访问路径树的事务识别方法,并对PrefixSpan算法进行了改进.这套方法在实验中取得了很好的挖掘效果.     

动态频谱访问无线网络的连通性分析

与传统无线网络不同,在动态频谱访问无线网络中,授权用户对分配的频段具有优先使用权,非授权用户网络的连通性受授权用户的分布和授权用户对频段的使用行为的影响.基于连续渗流理论,证明当授权用户较为稀疏或者负载较轻时,非授权用户可以构成部分连通的网络;反之,当授权用户较为密集并且负载较重时,无法部署部分连通的非授权用户网络.此外,在授权用户和非授权用户共享1个信道的情况下,给出了非授权用户网络存在部分连通性的必要条件.仿真实验数据验证了理论分析的正确性.     

基于降噪关系正则化的微博用户标签推荐*

现有微博用户标签推荐方法大多依靠好友关系或内容进行推荐,并不能解决微博中存在的从众关系(噪音关系)及用户标签稀疏问题.因此,文中提出基于降噪关系正则化的微博用户标签推荐算法.通过LDA对用户的博文进行主题分析,衡量用户好友兴趣相似度,降低无共同兴趣的好友对目标用户的影响.将得到的降噪关系作为正则化项引入到用户标签非负矩阵分解模型中,解决用户标签稀疏问题.通过拉格朗日乘子法和KKT条件对模型进行优化和约束,最终得到近似的用户标签矩阵,为用户进行标签推荐.实验表明文中算法推荐质量较优.     

网络检索用户行为可靠性分析

基于大规模真实网络用户的行为日志,对用户与网络搜索引擎系统的交互过程和用户决策过程展开研究.通过比较具有相关信息的用户点击和普通点击的分布,对用户点击的3类上下文背景特征进行分析,从而实现对用户点击的可靠性评估.实验结果表明,通过对用户点击的上下文背景的特征分析,能够发现用户检索行为中的思维决策过程,并进而对用户点击的可靠性进行有效的评估.     

引入活跃指数的微博用户排名机制

微博注册用户及活跃用户正以惊人的速度增长,由于其目标用户定位和网站发展模式的需要,目前普遍采用单一指标作为用户排名的依据.然而,微博与其他社交网络服务存在差异,单一指标排名方式难以真实地反映服务中的活跃用户.本文研究了“新浪微博”和“Twitter”服务中两类用户的分布特点和消息传递方式,提出用户活跃指数模型.实验及分析表明,活跃指数在微博服务中能够较好地反映活跃用户的特征,适于度量用户活跃度排名情况.     

基于双重邻居选取策略的协同过滤推荐算法

协同过滤是电子商务推荐系统中应用最成功的推荐技术之一,但是传统的协同过滤推荐算法存在推荐精度低和抗攻击能力差的缺陷.针对这些问题,提出了一种基于双重邻居选取策略的协同过滤推荐算法.首先基于用户相似度计算的结果,动态选取目标用户的兴趣相似用户集.然后提出了一种用户信任计算模型,根据用户的评分信息,计算得到目标用户对兴趣相似用户的信任度,并以此作为选取可信邻居用户的依据.最后,利用双重邻居选取策略,完成对目标用户的推荐.实验结果表明该算法不仅提高了系统推荐精度,而且具有较强的抗攻击能力.     

个性化搜索中的用户兴趣模型研究

研究目的是挖掘搜索引擎中用户兴趣偏好,实现个性化搜索引擎技术.研究方法采用识别用户输入查询串,通过查询进行挖掘用户兴趣类别,但有时用户输入查询串短,或者出现查询词歧义等.由于查询会返回一系列文档,将相关文档分类处理,能够更清晰识别用户兴趣偏好.结果显示通过文档关系矩阵,将用户查询映射到对应类别,发现用户兴趣爱好.对于兼类查询等问题可以通过扩展查询解决.结论是该模型通过查询串和相关文档之间关系,进而实现用户偏好的辨别.该技术为搜索引擎信息推荐等技术打下良好基础.