基于席克定律与费茨定律的菜单可用性研究

针对人机交互界面菜单设计可用性预测问题,以席克定律和费茨定律为建模基础,提出一个全新的菜单交互可用性预测模型。该模型通过设计一种评估用户选择目标菜单项的耗时计算方法,预测对象涵盖从新手到专家所有层次的用户行为。实验结果表明,在用户从新手转换到专家行为的各个阶段,使用该模型预测得到的菜单交互可用性数据与实验测试得到的数据吻合较好,两者相关性达0.968,证明该模型能广泛应用于各类菜单设计过程中的可用性预测工作。     

手机三维菜单绩效预测模型

菜单是手机界面的重要交互部件,手机功能增加所带来的菜单规模增大与手机小屏幕形成日益突出的矛盾.三维界面技术可以提高界面信息容量,因此,在手机上引入三维菜单概念是一个值得研究的课题.相应地,需要解决手机三维菜单用户操作绩效的评估问题.模型预测评估法能使研究人员和设计人员快速和以较低成本对用户界面进行评估.因此,基于Fitts定律和Hick-Hyman定律,建立了预测评估手机三维菜单操作绩效的定量模型.通过实验检验了模型的有效性,并将其与相关模型进行了对比分析.实验结果表明,实验得到的数据与该模型预测数据吻合较好,并且与相关模型相比该模型预测数据与实验数据的相关度最高.     

基于自适应多阶Markov模型的位置预测

准确预测用户的地理位置可以有效地改善基于位置服务的质量.针对标准Markov模型预测能力不足,以及多阶Markov模型阶数难以确定的问题,提出了一种基于自适应多阶Markov模型的位置预测方法.该方法采用一种基于规则图形的方式对原始位置信息进行抽象化处理,并使用一种基于训练数据的启发式方式自动确定用于预测的模型阶数.最后,基于真实的位置数据,对自适应多阶Markov模型的预测性能进行了评测.结果表明自适应多阶Markov模型的预测精度和预测长度始终高于多阶Markov模型,平均预测精度提高将近20%,平均预测长度提高将近10个单位区域,且不易受训练数据质量影响.     

基于混合Markov模型的用户浏览预测

建立有效的用户浏览预测模型,准确的预测用户的浏览路径,是开发各种Web站点导航工具的关键.传统的Markov模型是一种简单而有效的预测模型,但它存在测准确率低、预测覆盖率低以及存储复杂度高等缺点.通过对传统Markov模型的扩展,并研究了群体用户在Web上的浏览特性,采用了基于混合Markov模型的用户群兴趣导航发现方法.实验结果表明,该方法比传统Markov模型更准确的反映了用户的访问兴趣,可以获得更高的预测准确率与覆盖率,以及有效地降低存储复杂度.     

TOP-N选择Markov预测模型

分析了访问用户和浏览器的行为,研究了现存的Markov预取模型,并分析了Markov预测模型的本质,在此基础上,提出了基于TOP N选择的Markov预测模型。该模型利用Web访问日志中请求次数大于N的URL生成TOP N,根据用户的访问会话生成Markov链。如果用户当前的访问会话与Markov链匹配,该Markov的下一URL在TOP N中,就把它取到本地缓存。实验表明,该预测模型能有效提高预测精度和命中率,在一定程度上还减少了带宽的需求。     

基于网络访问行为的混合阶Markov预测模型

随着WWW的迅速发展和网络用户的急剧增加,准确预测Web用户的访问行为对减小用户的感知延时,实现个性化推荐等具有重要的作用.无论是Markov模型还是其任何一种变种,高阶模型具有较好的预测性能.然而,高阶模型通常有较高的状态空间复杂度.提出了一种新的混合阶Markov模型(HMPM),将前缀相同的序列共享存储,降低了状态空间复杂度.仿真实验结果表明,该模型在一定程度上提高了预测准确率,查全率也有所提升.     

鱼眼菜单可用性研究

为了全面把握鱼眼菜单的特性,通过可用性测试,对鱼眼菜单、级联式菜单和单列菜单进行了比较.比较结果表明,鱼眼菜单在很多方面具有一定的优势.鱼眼菜单的布局方式使得用户便于发现目标菜单项,比较适合长的菜单项的选择,在视觉效果上能激发用户的兴趣;但同时也发现了一个明显的不足,即选择目标菜单项比较困难.针对该不足,提出了对鱼眼菜...     

基于动态分类的Markov用户浏览预测模型

针对多Markov链用户浏览预测模型分类算法的时间复杂度过高问题,提出一种基于动态分类的Markov用户浏览预测模型。该模型通过学习提取用户浏览特征,利用这些特征对用户浏览路径进行分类,实现预测并动态更新用户浏览特征。实验结果表明,该模型可明显降低用户浏览路径预测的时间,并得到较为准确的预测结果。     

一种改进的Markov预测模型方法

马尔可夫(Markov)模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式.针对Markov原始预测模型算法时问和空间高开销的缺点,引入聚类方法对模型进行改进,以有效降低原始Markov预测模型计算开销.改进的Markov模型虽较好地克服了原始Markov模型的缺陷.但在提高效率的同时,模型的预测准确度有所降低.不过由于是将高阶Markov模型类别预测和低阶Markov模型页面预测相结合,和原始低阶Markov模型页面预测相比,准确性具有一定优势.     

可用性测试平台

阐明了软件可用性测试的重要性及其方法分类,着重说明了用户测试方法的步骤.介绍了所设计的软件可用性测试平台的特点和建设该平台的必要性,通过该平台对鱼眼菜单、单列菜单、级联式菜单进行了可用性测试.在测试用户较少的情况下,实验结果与其它主流实验室的结果相一致,表明了该实验平台的有效性和高效性.最后,对该测试平台可能的改进提出了设想.