[发明专利]传统读物可视化体验指数预测方法

说明书

本发明公开了传统读物可视化体验指数预测方法，包括以下步骤：1)对可视化读物以及其用户体验数据进行收集，建立有标注样本集和无标注样本集；2)为无标注样本集打上伪标签；3)训练体验指数预测分类器；4)基于训练得到的基分类器与预设的集成规则，预测体验指数。本发明优点在于：能够克服读物可视化领域中构造体验指数预测模型存在的类不均衡、训练时间较长、系统开销大以及平滑假设不确定的问题，以准确且快速地构建体验指数预测模型。

技术领域

本发明涉及数据处理领域，特别是涉及传统读物可视化体验指数预测方法。

背景技术

随着现代社会的高速发展，越来越多的人们将难以抽出时间阅读传统的纸质图书。因此，新型的阅读方式成为吸引潜在读者的有效方式，这其中就包括传统读物的可视化。专利CN201010256059.9提供了一种用于电子装置的电子读物的界面显示方法，可以在计算机平台实现传统电子杂志的阅读效果，模拟书页被用户翻动的过程，提高了用户对电子读物的接受度和满意度。专利CN201010190949.4提供了一种利用增强现实技术与平面读物相结合的汉字学习方法，通过结合增强现实技术，增强了汉字学习的拓展性，使得整个学习过程更加生动有趣。论文《学龄期儿童科普类数字读物的信息视觉化研究》研究了适用于儿童科普类数字读物的信息视觉化设计方法。

总体来说，已有的相关研究仅仅关注于如何设计可视化方法，而忽略了这种可视化方法的真正效果，本发明旨在提供一种传统读物可视化体验指数预测方法，已发掘可视化方法与用户体验之间的关系，有助于辅助厂商修正自己的可视化方法。

发明内容

本发明提出了一种传统读物可视化体验指数预测方法，具体包括以下步骤：

步骤1：收集数据与初始化

对可视化读物以及其用户体验数据进行收集，建立有标注样本集{(x_p,y_p),p＝1,2,...,l}与无标注样本集{x_q,q＝l+1,l+2,...,n}，其中l表示有标注样本总数，n表示所有样本总数，样本为9维向量，样本特征包括读物分类、目标读者、情节展开方式、是否为三维影像、是否有视觉以外辅助手段、文本主要语言、绘图风格、平均每页字数、图片美观度；y_p∈{χ₁,χ₂,χ₃,χ₄,χ₅}为标签，χ₁,χ₂,χ₃,χ₄,χ₅分别为很差、差、一般、好、很好，表示实数域；

人工设定最大训练次数T0为一个正整数，令训练次数t＝0，人工设定鲁棒因子μ∈(0,1)，人工设定损失系数C0，人工设定传播系数α∈(0,1)，人工设定隐藏节点数N为一个大于9的正整数，随机生成N个输入权重w，w为9维列向量，得到w₁,w₂,...,w_N；随机生成N个输入偏移b，b为实数，得到b₁,b₂,...,b_N；令L_p＝0；

步骤2：生成伪标签

为步骤1中的无标注样本集{x_q,q＝l+1,l+2,...,n}打上伪标签，具体如下：

步骤201：为高斯带宽系数σ0随机取值，并建立亲和矩阵W如下：

其中(W)_ij为W的第i行第j列的元素，i,j＝1,2,...,n；

步骤202：计算最终标签矩阵F：

F＝(1-α)(I-αS)^-1Y