[发明专利]一种基于ELMAN神经网络的用户体验评价方法及系统

说明书

本发明提供了一种基于ELMAN神经网络的用户体验评价方法及系统，通过开发一款手机App，获取用户在使用新研发APP的过程视频(可以通过手机App现场拍摄或者读取视频文件)传输到云端；在云端把该视频分解成连续的系列照片；应用人脸识别技术，识别该系列照片对应的人脸表情类型，获得表情随时间变化的代码向量，在云平台上，通过ELMAN神经网络建立用户体验数据与对应用户体验过程评分的复杂非线性关系模型；进行视频的录入即可自动获得该用户体验过程的用户体验评价结果，作为企业进行APP产品升级优化的依据。

技术领域

本发明涉及大数据领域，具体涉及一种基于ELMAN神经网络的用户体验评价方法及系统。

背景技术

如今，各种APP软件产品的开发层出不穷，一个APP软件产品是否能够成功，用户体验逐渐变成了一个关键因素。大数据已成为提升用户体验的重要参考工具，有效的数据挖掘和分析可以被企业用来提升现有产品的用户体验，通过上述结果来开发新的产品和服务。有针对性的采取用户体验措施，从而使用户在心理上有一个良好的用户体验，但是用户体验结果很难用一种直观、真实的方式表达出来，然而表情是人类用来表达各种情绪状态最直观、最真实的一种方式，是一种十分重要的非语言交流手段。

现有技术在APP软件研发过程中，采用传统用户调查的方式，无法快速准确获取新研发APP软件的用户使用体验数据，研发效率较低。

发明内容

为了解决现在产品研发过程中，研发人员不能快速获取新研发APP用户体验数据的问题，本申请提供一种基于ELMAN神经网络的用户体验评价方法,包括以下步骤

S1：采集用户使用测试APP的第一过程视频，依据所述第一过程视频得到第一过程系列照片，对所述第一过程系列照片进行人脸识别得到用户人脸表情向量，依据所述用户人脸表情向量得到输入矩阵；

S2:通过测试APP采集用户调查数据，依据所述用户调查数据得到结果矩阵Y，构建ELMAN模型，采用所述输入矩阵和所述结果矩阵对ELMAN模型进行训练；

S3:采集用户使用目标APP的第二过程视频，采用训练完成的ELMAN模型对所述用户使用目标APP的第二过程视频进行分析并获取用户体验数据。进一步的，所述步骤S1包括，

S11：以横坐标为时间，纵坐标为表情类型代码生成用户人脸表情向量随时间变化的二维表情谱，其中，“愤怒”对应的表情向量为[0,0,0,0,0,0,1]^T、“厌恶”对应的表情向量为[0,0,0,0,0,2,0]^T、“恐惧”对应的表情向量为[0,0,0,0,3,0,0]^T、“高兴”对应的表情向量为[0,0,0,4,0,0,0]^T、“伤心”对应的表情向量为[0,0,5,0,0,0,0]^T、“惊讶”对应的表情向量为[0,6,0,0,0,0,0]^T、“无情绪”对应的表情向量为[7,0,0,0,0,0,0]^T，采用表情谱得到矩阵A＝[e₁,e₂,e₃,…,e_n]_7×n；

S12:将矩阵A进行转置变换得到A^T＝[e₁,e₂,e₃,…,e_n]_n×7；

S13:构造矩阵M＝A·A^T；

S14:计算矩阵M的特征值，生成矩阵M的特征值矩阵λ＝[λ₁,λ₂,λ₃,…,λ₇]_1×7；

S15:生成输入矩阵X＝[λ,N,B]_1×9，其中N为年龄，B为性别。