資源描述：
《基于眼動追蹤結(jié)合鼠標行為的用戶興趣研究【優(yōu)秀畢業(yè)課程設計】》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、摘要網(wǎng)上購物是英特網(wǎng)帶來的一種新的生活方式，每當用戶打開購物網(wǎng)站，大量的商品推薦信息涌入用戶的視線，隨之而來的信息超載無法避免。提高電子商務中的推薦精確度成為各大電商關注的重點。本文先對現(xiàn)有的推薦系統(tǒng)進行介紹分析，找出其中不足，提出結(jié)合眼動追蹤和鼠標行為改進推薦系統(tǒng)的假設。再運用Smart-Eyes和GazeTracker進行眼動追蹤分析和鼠標行為分析，就用戶感興趣時表現(xiàn)出的行為特征進行研究分析，判別用戶真正興趣，找出用戶感興趣時的行為特征，為判別用戶真正興趣提供依據(jù)。關鍵詞：行為特征，判別用戶興趣，眼動追蹤，鼠標行為AbstractOnlineshoppingis
2、anewstyleoflifewhichbroughtbyinternet.Thegoodsrecommendedinformationpackintousers’lineofsightwheneveruseropensashoppingsite.Theoverinformationoverloadcannotbeavoided.Improvingtheaccuracyofrecommendhasbecomethefocusofattentionoftheonlineretailers.Inthispaper,wefirstlyintroducedandanalys
3、isdetheexistingrecommendationsystemtofindthedefectandproposedanassumptionthatcombinatingeyetrackingandmouseactionswetoimprovetherecommendationssystem.AfterthatweusetheSmart-eyesandtheGazeTrackertoanalysistheeyetracingandmousebehaviorinordertodiscriminateusers’realinterstandtoidentifyth
4、eusers’characteristicsbehaviorwhentheyshowtheinterestwhichcouldprovidethebasisforthediscriminationofusers’realinterest.Keywords:characteristicsbehavior,discriminationofusers’interest,eyestracking,mousebehavior目錄1、緒論11.1用戶興趣研究背景與意義11.2推薦系統(tǒng)和眼動技術(shù)國內(nèi)外研究現(xiàn)狀11.3本文研究內(nèi)容和研究方法31.4本文組織結(jié)構(gòu)42、眼動追蹤挖掘用戶
5、興趣理論依據(jù)52.1通過眼動追蹤挖掘用戶興趣可行性分析52.2實驗設計說明52.3本章小結(jié)93、眼動數(shù)據(jù)分析103.1AHP層次分析法簡介及選擇該方法的原因103.2運用AHP層次分析法決定所需眼動參數(shù)103.3眼動參數(shù)散點圖分析143.4本章小結(jié)214、鼠標行為分析224.1馬爾科夫鏈定義224.2選擇該方法的原因224.3數(shù)據(jù)記錄及分析224.4本章小結(jié)265、眼動參數(shù)結(jié)合鼠標行為結(jié)論及論證275.1結(jié)合兩類參數(shù)得出結(jié)論275.2結(jié)論論證275.3本章小結(jié)316、總結(jié)與展望326.1總結(jié)326.2展望32參考文獻33致謝34上海海事大學本科生畢業(yè)設計（論文）1、
6、緒論21世紀是個信息化、網(wǎng)絡化的時代，隨著網(wǎng)絡技術(shù)的不斷發(fā)展，現(xiàn)在人們的生活已經(jīng)很難脫離英特網(wǎng)。網(wǎng)上購物作為英特網(wǎng)的衍生物之一，是現(xiàn)今極為普遍的購物方式，其優(yōu)勢（快捷、實惠、可選擇性強、足不出戶等）也將使其在成為在未來重要的一個購物模式。1.1用戶興趣研究背景與意義網(wǎng)上購物不同于傳統(tǒng)購物，用戶不必特地抽出時間出門來到商圈進入店鋪挑選需要的商品。網(wǎng)上購物過程通常只有幾分鐘到幾十分鐘的時間，瀏覽購物網(wǎng)站即可接收到各類商品信息。瀏覽網(wǎng)站即可接收到大量購物信息固然方便，但與此同時產(chǎn)生的信息超載也隨之而來，過多的不必要信息甚至是令人產(chǎn)生厭惡感的產(chǎn)品信息反而會削弱用戶的購買欲望
7、，縮短用戶在網(wǎng)頁上停留的時間。如何有效利用用戶在網(wǎng)頁上停留的幾分鐘挖掘用戶興趣推薦商品，讓用戶在幾分鐘內(nèi)產(chǎn)生購買欲望，是電商們不得不重視的問題。該問題關鍵在于用戶興趣的判別，當推薦的商品迎合了用戶興趣，甚至挖掘了用戶潛在興趣時，可極大地提高用戶購買欲望和購買概率，從而創(chuàng)造商業(yè)效益。準確且有針對性的推薦系統(tǒng)能為電商帶來更高的效益，目前的推薦系統(tǒng)研究大多集中在算法，通過研究出更合理準確的算法來推測用戶興趣，但算法研究始終是從用戶過往行為中進行總結(jié)分析預測用戶興趣，該方法雖久經(jīng)改進有一定準確性和實用性，但始終停留在理論推測上，不夠直接，且某些特征相似性強的用戶未必興趣
