自适应超媒体系统用户模型研究

　　论文关键词：用户模型　自适应　超媒体　个性化

　　论文摘要：自适应技术是超媒体系统的发展方向，本文主要分析了自适应超媒体系统实现的核心技术——户模型，同时提出了用户模型的概念模型，阐述了用户模型的分类以及信息的获取，最后讨论了用户模型的构建和评价标准。

　　超媒体系统由于其良好的人机交互界面、简单的信息组织方式、灵活的基本数据模型，已被广泛应用。用户建模与自适应浏览是超媒体系统实现自适应的关键过程。理想的自适应超媒体系统能够自动处理用户建模过程与自适应浏览过程。自适应组件观察用户行为，收集描述用户行为的信息，处理这些数据并建立用户模型，最后依据用户模型信息来提供自适应行为。本文主要分析超媒体系统的用户模型问题。

　　1用户模型概述

　　用户模型是关于单个用户或一个用户组的信息与假设的集合。这些信息与假设存储在一个知识库中。用户建模是指从有关用户兴趣和行为的信息(如浏览内容、浏览行为、背景知识)中归纳出可计算的用户模型的过程。用户建模的任务是为应用系统的用户建立和管理这样的知识库，并提供合适的对用户模型进行访问的机制。具体来说，用户建模组件必须能够完成下列任务：

　　(1)在与用户的交互中建立用户模型；

　　(2)不断更新用户模型；

　　(3)从初始假设推导出全面综合的推论；

　　(4)保证假设的一致性；

　　(5)按照需要向应用系统的其他组件提供合适的信息。

　　在用户模型中，用户的特征信息可以分为如下几类：

　　(1)人口统计学特征(demographicfactors)。包括用户的一些本质特征，例如年龄、母语、出生地、文化背景、社会背景等等。

　　(2)职业特征(professionalfactors)。包括职位、职业经验、与计算机相关的技能、受教育的程度等信息。其中与应用相关的用户技能水平是系统考虑的重要特征。

　　(3)生理特征(physiologicalfactors)。此类特征设计用户生理方面的一些因素，诸如反应速度、对工作负载的承受能力等等。

　　(4)心理特征(psych010gica1factors)。此类特征可以从两个层面加以定义：通信层与认知层。通信层处理用户与计算机的通信，它所涉及的问题包括：洞察力、理解力、清晰度、可用性、敏捷性等在人机交互中浅层的可视化特征。

　　认知层涉及与人的思维与记忆相关的深层特征。其中一个非常重要的特征是用户的认知风格，它在很大程度上影响用户解决问题的方式。另一个重要的特征是人的逻辑思维风格，或称演绎／归纳策略。下面给出一个用户模型的概念模型和自适应超媒体系统模型：

　　2用户模型的分类

　　从广义上来讲，关于用户模型有两个最基本的问题：①谁拥有用户模型；②它是关于什么的用户模型。广义上的用户模型有三种：

　　(1)用户的概念模型。这是用户头脑中关于计算机系统及系统所应具有的功能的模型，表示了用户对计算机系统的理解和期望。这种模型通常是用户根据自己的经验，通过与系统的交互或相关手册、指南而得到的。

　　(2)设计者的用户模型。设计者头脑中关于用户的模型，是设计者对用户特征的描述，被设计者用来作为系统设计的基础。在同用户的交流中，设计者获取用户的需求，决定系统应当具备哪些功能，这些功能如何提供给用户。

　　(3)计算机系统的用户模型。它是由设计者在设计阶段依据设计者的用户模型用计算机软件构造的，并在系统的运行过程中实现的。在系统与用户交互时，它按照设计者的预先想法获取用户信息，建立对用户特征的描述。

　　从狭义上来讲，由于建立用户模型的方法、途径、内容的不同，用户模型也分为不同的类别。

　　(1)从建立用户模型的途径来分，用户模型分为：

　　①经验量化模型(empiricalquantitativemod—els)。经验量化模型基于一般用户类的形式化抽象，只包含用户的表面知识，不包含内在的推理过程。许多传统的帮助系统采用这种方法。

　　②分析认知模型(analyticalcognitivemod—els)[。分析认知模型模拟用户与系统交互过程中的认知过程。模型中存储用户知识信息，综合存储用户模型知识信息的知识库，允许考虑不同用户的特性。

　　(2)按用户建模的内容来分，可以分为：

　　①经验模型。按照用户所具有的知识将用户划分为离散的几个类别。这种用户模型主要部分是stereotypes。一个stereotypes是对一个给定类别的用户的形式化描述，用于表征用户的静态特性。

　　②兴趣模型。根据用户的认知特点，对用户的兴趣、偏好进行模拟，存储用户的兴趣、目的、任务等信息，并根据这些信息有针对性地为用户提供服务这种用户模型的主要部分是profile，用于记录用户的偏好、目的等。

　　③行为模型。为了识别用户以及建立可变的用户模型，需要监视用户的每一步操作，记录下用户对系统的反馈信息。依据用户的行为模型，也可以从用户低级的操作行为中推知用户的认知结构和兴趣，为修改兴趣模型提供依据，历史信息是修改用户兴趣模型的重要依据。

　　3用户模型的用户信息采集

　　根据用户访问信息类型的不同，可采取不同的信息采集方式。如果要采集用户下载、保存页面的信息，则需要在用户端访问特定目录；如果要采集服务器日志，则需要在服务器端获取服务器日志文件挖掘出特定用户的访问记录；如果要采集用户的浏览页面与用户的浏览行为(即用户在每个页面上的驻留时间及操作方式等)，则可以在用户端获取，也可以在服务器端从用户的访问记录中获取。早期的研究主要侧重于自然语言输入，近年来用户信息的来源不断拓宽，主要包括：

　　(1)对用户与系统间的直接可操纵的交互的观察。例如[4]：①在一个所见即所得(wysiwyg)的编辑器中的文本编辑；②在一个超文本系统中的导航；③在一个超文本系统中，文本抽取的激活；④基于命令的界面的使用。

　　(2)对用户从数据库中所获取的信息进行分析。

　　(3)对用户所感兴趣的电子新闻进行分析。

　　(4)大量其他的信息来源。

　　4用户模型的构建方法

　　(1)监视法。它是通过监视用户的浏览行为来记录用户的兴趣爱好，通过对比当前用户兴趣对象和已有的兴趣对象，来确定该对象应该赋予的权重即如果当前对象已存在于用户模型中，则赋予该对象更大的权值；相反，如果用户模型中的某个对象较长时间内没有再次被发现，则赋予较低的权值或者淘汰掉。采用监视法构建的用户模型有一个从粗糙到准确的过程，并能反映用户兴趣的变化。

　　(2)模糊法。由于用户的兴趣并不具有专一性，因此，如果给某一用户诸多的兴趣都赋予权值，即可找出一个用户的主要兴趣。采用模糊法来构建用户模型，其目的是既突出用户的主要兴趣，以便提供个性化的服务；又使用户的次要兴趣不被遗漏，以实现服务的完整性。

　　(3)合作法。服务于单一用户的信息agent之间通过相互合作构成一个mas，mas的合作求解问题的能力远远超过单个agent，这是mas产生的最直接的原因。通过mas的合作，使每个用户都拥有一个或多个agent，这些agent推荐的信息文档在内容上都有相关性，克服了单个信息agent功能不强的缺陷。

　　5用户模型的评价

　　在2o世纪8o年代，除了rich对她的图书馆建议系统做了一个评估外，其他很少有人对用户模型的有效性进行考察。到了9o年代才陆续出现了对交互式软件系统中的用户模型的有效性进行评估。如何对一个用户模型进行评价，尚未有一个通用的标准，但我们可以从用户模型所具有的特征进行分析，因此我们从以下五个方面来评价用户模型。

　　(1)隐含的和明确的。隐含的用户模型是在软件设计者的设计中，分散插入到软件中的若干代码，在软件中并没有一个明确的功能模块专门用于实现用户模型。即用户模型分散于系统代码之中，一旦建成则不能修改、补充和更新。而明确的用户模型则在系统中由专门的功能模块及相应的代码来集中实现，系统运行时可以使用这些知识，并对该知识进行更新和修改。

　　(2)静态的和动态的。静态用户模型是指在系统长期运行过程中保持固定不变的用户模型。而动态用户模型则是指在系统的运行阶段可以不断自我完善、不断扩充、改进的用户模型。动态模型在与用户的交互中获得更多的有关用户的信息，并且利用这些新信息对原有的用户模型进行更新，使得用户模型能随着用户特征的变化而动态改变。

　　(3)群体的和个体的。群体的用户模型的目的在于获取、存储、表现一个用户群体的共同特征，注重表现用户最频繁的和共享的特性，而忽视不同用户个体的特殊性；个体的用户模型则尽可能地表现单个用户的个体特征。

　　(4)长期的和短期的。短期的用户模型在用户每次进入交互过程时创建，在交互结束时自动取消。长期用户模型需要进行用户登录并识别用户，能长期保存用户信息，以供下次交互之用。长期的用户模型通常是在服务器端实现，而短期用户模型由于无需识别用户，通常在客户端实现。

　　(5)显式反馈和隐式反馈。显式反馈通过向用户提问，从用户明确的回答中获取用户信息，在得到这些信息后就可以建立和调整用户模型。隐式反馈通常需要先建立一个用户的行为模型，通过分析用户的行为来隐式地获取用户信息。通常情况下，显式反馈和隐式反馈两种方式被结合起来使用，显式反馈用于获取用户的初步信息，隐式反馈用于对用户模型进行精化和调整。

　　6结束语

　　目前自适应超媒体系统的用户模型研究远未达到成熟的阶段。例如，超媒体的同步控制研究，智能接口的研究，多用户模型之间的协作与控制研究等等。但用户模型技术的发展必将极大提高超媒体系统的自适应性，降低空间迷路及认知负载给用户带来的困扰，扩大超媒体系统的应用范围，促进超媒体系统快速发展。

本文链接：http://www.qk112.com/lwfw/jsjlw/jisuanjiyingyong/245095.html