Please wait a minute...
Advanced Search
数据分析与知识发现  2017, Vol. 1 Issue (2): 80-86     https://doi.org/10.11925/infotech.2096-3467.2017.02.11
  应用论文 本期目录 | 过刊浏览 | 高级检索 |
融合内容与用户手势行为的用户画像构建系统设计与实现*
汪强兵1,2, 章成志1,2,3()
1南京理工大学经济管理学院 南京 210094
2江苏省社会公共安全科技协同创新中心 南京 210094
3江苏省数据工程与知识服务重点实验室(南京大学) 南京 210093
Constructing Users Profiles with Content and Gesture Behaviors
Wang Qiangbing1,2, Zhang Chengzhi1,2,3()
1School of Economics and Management, Nanjing University of Science & Technology, Nanjing 210094, China
2Jiangsu Collaborative Innovation Center of Social Safety Science and Technology, Nanjing 210094, China
3Jiangsu Key Laboratory of Data Engineering and Knowledge Service (Nanjing University), Nanjing 210093, China
全文: PDF (1240 KB)   HTML ( 23
输出: BibTeX | EndNote (RIS)      
摘要 

目的】开发移动端的文献阅读系统, 通过利用在移动端的用户手势行为数据及手势行为对应的内容, 挖掘用户兴趣, 构建用户兴趣画像。【应用背景】融合内容与用户行为的用户画像构建系统能够挖掘用户在阅读文献时的兴趣, 并进行用户画像构建。【方法】以移动平台下的Web阅读系统为工具, 通过收集用户在移动设备上浏览文献产生的用户手势行为(单击、双击、滑动、拖动、放大/缩小等)数据以及与用户手势行为相对应的文本内容, 结合对应文本内容的浏览时间构建用户模型。【结果】用户在使用文献阅读系统时可以发现自己在阅读文献过程中的阅读兴趣, 进行用户兴趣画像构建。【结论】初步研究结果表明使用用户手势行为可以在一定程度上反映用户的阅读兴趣, 并进行用户建模。该研究结论可以提高市场营销和个性化推荐系统的效果。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
汪强兵
章成志
关键词 手势行为移动设备文本挖掘用户建模    
Abstract

[Objective] This paper constructs users profiles by gauging their interests from gesture behaviors and related contents from a mobile article reading system. [Context] Users profiles construction with content and gesture behaviors can identifies users’ mobile reading interests and profiles effectively. [Methods] First, we collected user gesture behaviors (such as tap, double tap, swipe, drag, pinch in/out) as well as corresponding contents from a mobile article reading system. Second, we established the users model based on the collected data and reading time. [Results] Users could find their own reading interests while browsing papers with our system, which help us build users profiles. [Conclusions] Users gesture behaviors reveal their reading interests, which could improve the performance of marketing and personalized recommendation systems.

Key wordsGesture Behaviors    Mobile Device    Text Mining    User Modeling
收稿日期: 2016-08-25      出版日期: 2017-03-27
ZTFLH:  G350  
基金资助:*本文系国家社会科学基金项目“在线社交网络中基于用户的知识组织模式研究”(项目编号: 14BTQ033)的研究成果之一
引用本文:   
汪强兵, 章成志. 融合内容与用户手势行为的用户画像构建系统设计与实现*[J]. 数据分析与知识发现, 2017, 1(2): 80-86.
Wang Qiangbing,Zhang Chengzhi. Constructing Users Profiles with Content and Gesture Behaviors. Data Analysis and Knowledge Discovery, 2017, 1(2): 80-86.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2017.02.11      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2017/V1/I2/80
  设计思路
  系统架构
手势行为 pinch in/out drag tap
pinch in/out 1 3 5
drag 1/3 1 4
tap 1/5 1/4 1
  判断矩阵
手势行为 pinch in/out drag tap swipe
权重 0.6267 0.2797 0.0936 0
  手势行为权重
  系统展示
userID documentID time type touchHtml
user1 32 2016-01-10 13: 47: 01 drag paragraph1
user1 32 2016-01-10 13: 47: 02 drag paragraph1
user1 32 2016-01-10 13: 47: 13 drag paragraph2
user1 32 2016-01-10 13: 47: 14 drag paragraph2
user1 32 2016-01-10 13: 47: 19 drag paragraph3
user1 32 2016-01-10 13: 47: 20 drag paragraph3
user1 32 2016-01-10 13: 47: 25 drag paragraph3
user1 32 2016-01-10 13: 47: 55 tap paragraph4
user1 32 2016-01-10 13: 48: 17 drag paragraph5
user1 32 2016-01-10 13: 48: 18 drag paragraph5
user1 32 2016-01-10 13: 48: 19 drag paragraph5
user1 32 2016-01-10 13: 48: 20 drag paragraph5
user1 32 2016-01-10 13: 48: 39 drag paragraph6
user1 32 2016-01-10 13: 48: 40 drag paragraph6
user1 32 2016-01-10 13: 48: 41 drag paragraph6
user1 32 2016-01-10 13: 48: 42 drag paragraph6
user1 32 2016-01-10 13: 48: 43 drag paragraph6
user1 32 2016-01-10 13: 48: 45 drag paragraph6
  手势行为序列
userID documentID readtime dragtime swipetime taptime pinchintime pinchouttime touchHtml
user1 32 0分12秒 1 0 0 0 0 paragraph1
user1 32 0分6秒 2 0 0 0 0 paragraph2
user1 32 0分36秒 2 0 0 0 0 paragraph3
user1 32 0分22秒 0 0 1 0 0 paragraph4
user1 32 0分22秒 2 0 0 0 0 paragraph5
user1 32 0分6秒 4 0 0 0 0 paragraph6
  手势行为序列处理结果
  用户兴趣云图
[1] Guo Q, Jin H, Lagun D, et al.Mining Touch Interaction Data on Mobile Devices to Predict Web Search Result Relevance[C]//Proceedings of the 36th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2013: 153-162.
[2] Han S G, Hsiao I H, Parra D.A Study of Mobile Information Exploration with Multi-Touch Interactions[C]//Proceedings of the 7th International Conference on Social Computing, Behavioral-Cultural Modeling and Prediction. 2014: 269-276.
[3] Joachims T, Granka L, Pan B, et al.Accurately Interpreting Clickthough Data as Implicit Feedback[C]//Proceedings of the 28th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. 2005: 154-161.
[4] 孙铁利, 杨凤芹. 根据用户隐式反馈建立和更新用户兴趣模型[J]. 东北师大学报: 自然科学版, 2003, 35(3): 99-104.
doi: 10.3321/j.issn:1000-1832.2003.03.018
[4] (Sun Tieli, Yang Fengqin.An Approach of Building and Updating User Interest Profile According to the Implicit Feedback[J]. Journal of Northeast Normal University: Natural Science Edition, 2003, 35(3): 99-104.)
doi: 10.3321/j.issn:1000-1832.2003.03.018
[5] 赵银春, 付关友, 朱征宇. 基于Web 浏览内容和行为相结合的用户兴趣挖掘[J]. 计算机工程, 2005, 31(12): 93-94.
doi: 10.3969/j.issn.1000-3428.2005.12.033
[5] (Zhao Yinchun, Fu Guanyou, Zhu Zhengyu.User Interest Mining of Combining Web Content and Behavior Analysis[J]. Computer Engineering, 2005, 31(12): 93-94.)
doi: 10.3969/j.issn.1000-3428.2005.12.033
[6] Huang J, White R W, Dumais S T. No Clicks, No Problem: Using Cursor Movements to Understand and Improve Search[C]// Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. 2011: 1225-1234.
[7] Han S G, Yue Z, He D Q. Understanding and Supporting Cross-Device Web Search for Exploratory Tasks with Mobile Touch Interactions [J]. ACM Transactions on Information Systems, 2015, 33(4): Article No. 16.
doi: 10.1145/2738036
[8] Morita M, Shinoda Y.Information Filtering Based on User Behavior Analysis and Best Match Text Retrieval[C]// Proceedings of the 17th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. 1994: 272-281.
[9] Han S. PITT (PIck-up The Touches) -- A Javascript Plugin to Track Your Website Visits [EB/OL]. [2016-06-25]. .
[1] 夏天. 面向中文学术文本的单文档关键短语抽取 *[J]. 数据分析与知识发现, 2020, 4(7): 76-86.
[2] 马建霞,袁慧,蒋翔. 基于Bi-LSTM+CRF的科学文献中生态治理技术相关命名实体抽取研究*[J]. 数据分析与知识发现, 2020, 4(2/3): 78-88.
[3] 关鹏,王曰芬. 国内外专利网络研究进展*[J]. 数据分析与知识发现, 2020, 4(1): 26-39.
[4] 黄名选,卢守东,徐辉. 基于加权关联模式挖掘与规则后件扩展的跨语言信息检索 *[J]. 数据分析与知识发现, 2019, 3(9): 77-87.
[5] 杨亚楠,赵文辉,张健,谭珅,张贝贝. 基于多视图协同的政策文本可视化研究*[J]. 数据分析与知识发现, 2019, 3(6): 30-41.
[6] 张梦吉,杜婉钰,郑楠. 引入新闻短文本的个股走势预测模型[J]. 数据分析与知识发现, 2019, 3(5): 11-18.
[7] 张宁,尹乐民,何立峰. 网络股评“发布者-关注者”BSI与股票市场关联性研究*[J]. 数据分析与知识发现, 2018, 2(6): 1-12.
[8] 范馨月,崔雷. 基于文本挖掘的药物副作用知识发现研究[J]. 数据分析与知识发现, 2018, 2(3): 79-86.
[9] 谢秀芳, 张晓林. 针对科技路线图的文本挖掘研究: 集成分析及可视化*[J]. 数据分析与知识发现, 2017, 1(1): 16-25.
[10] 姚兆旭,马静. 面向微博话题的“主题+观点”词条抽取算法研究*[J]. 现代图书情报技术, 2016, 32(7-8): 78-86.
[11] 兰秋军,刘文星,李卫康,胡星野. 融合句法信息的金融论坛文本情感计算研究*[J]. 现代图书情报技术, 2016, 32(4): 64-71.
[12] 朱玲,薛春香,章成志,傅柱. 微博用户标签与博文内容相关度研究*[J]. 现代图书情报技术, 2016, 32(3): 18-24.
[13] 毕强, 刘健, 鲍玉来. 基于语义相似度的文本聚类研究*[J]. 数据分析与知识发现, 2016, 32(12): 9-16.
[14] 林园园,战洪飞,余军合,李长江,张凡. 基于产品评论的消费者情感波动分析模型构建及实证研究*[J]. 现代图书情报技术, 2016, 32(11): 44-53.
[15] 隋明爽,崔雷. 结合多种特征的CRF模型用于化学物质-疾病命名实体识别[J]. 现代图书情报技术, 2016, 32(10): 91-97.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn