基于IPSO_LSSVM的虚拟交互方式对用户心理体验的评价研究

杨未艳,李秀一,刘 彤,陈毅文

中国科学院心理研究所,北京 100101

基于IPSO_LSSVM的虚拟交互方式对用户心理体验的评价研究

杨未艳,李秀一,刘 彤,陈毅文

中国科学院心理研究所,北京 100101

现有用户心理评价方法缺乏用户心理体验和认知，而虚拟交互评价方式在考虑用户心理特点和认知的基础上，建立用户心理体验评价的思路框架，运用层次分析法构造出有用性和易用性权重判断矩阵，提出一种基于IPSO_LSSVM的虚拟交互方式对用户心理体验的评价研究方法。结果表明，IPSO_LSSVM可以克服传统方法进行用户心理体验评价的不足，同时可以提高评价的精度和收敛速度，为用户心理体验评价的进一步优化提高了参考依据。

虚拟交互技术;心理评价

随着计算机和虚拟交互技术的快速发展，促发了用户体验经济的产生和发展，用户心理体验是指用户在接受虚拟交互技术服务的时候所产生的主观上的和整体上的心理感受[1]。用户在接受虚拟交互技术服务的时候，用户心理体验的质量受到客观环境、计算机应用系统和用户自身等因素的影响，因此研究虚拟交互方式对用户心理体验的评价研究具有重要的理论价值和实际意义。目前，对于用户心理体验的研究，由于缺乏用户心理和用户认知等因素和特征，导致用户心理体验研究和评价研究深入不够。针对LSSVM模型结果易受其参数选择的影响，将IPSO算法引入LSSVM模型，提出一种基于IPSO_LSSVM的虚拟交互方式对用户心理体验的评价研究方法。研究结果表明，IPSO_LSSVM可以有效提高用户心理体验评价的精度，同时较其他方法具有更快的收敛速度。

1 改进的粒子群算法

1.1 粒子群算法

粒子群算法（Particle Swarm Optimization Algorithm，PSO）是模拟鸟群觅食行为所提出的群智能算法，通过群体间的协作和竞争以及粒子位置和速度的更新，实现最优化搜索[2]：

其中，vid(t)和xid(t)分别表示在t时刻时第i粒子的速度和位置；rand1和rand2表示随机数，处于[0 1]之间；c1、c2表示学习因子，为非负常数。

1.2 改进的粒子群算法

针对PSO算法收敛速度缓慢和局部最优的缺点，将随机搜索因子引入PSO算法，提出一种改进的随机搜索的粒子群算法，其改进如下：

其中，公式（4）用来保证粒子搜索的方向，确保算法可以在有效区域内进行搜索。公式（5）用来提高算法初期粒子的全局搜索能力和后期的算法局部搜索能力。a为改进粒子算法的控制参数，其大小决定粒子的分布。

2 最小二乘支持向量机

其中，ω表示权重向量；C表示误差惩罚函数；ξi表示松弛变量；φ(x)表示核空间映射函数；b表示偏差。构造如下lagrange函数L，其表达式如下[3]：

其中，ai表示lagrange乘子。对公式（7）求偏导[4]：

消去ω和ξi，可得如下公式：

其中，Q=(1,…,1)T，A=（a1,a2,…,am)T，Y=(y1,y2,…,ym)T，通过求解公式（9），可得到LSSVM模型的估计公式，其如下所示[5]：

3 基于IPSO_LSSVM的用户心理体验研究

3.1 思路框架

为实现虚拟交互方式对用户心理体验的评价，将用户心理体验定义为A，其表示用户心理体验的良好程度[6]，其评价的思路框架如图1所示。

3.2 适应度函数

在保证用户心理体验评分误差最低的情况下，通过IPSO优化LSSVM模型的惩罚函数C和核函数σ，实现LSSVM模型参数的最优化选择，其适应度函数如下所示。

图1 用户心理体验评价思路框架Fig.1 The framework of ideas for users’psychological experience evaluation

化LSSVM模型的算法流程如下：

Step 1：归一化用户心理体验得分样本数据，建立测试样本数据和训练样本数据；

Step 2：设定IPSO算法参数：种群大小为popsize，迭代次数为maxgen，学习因子为c1、c2；

Step 3：计算粒子的适应度值；

Step 4：更新粒子群体的位置和速度；

Step 5：计算粒子个体的适应度函数值，并进行判断，执行Step 5;

Step 6：若gen＞maxgen，保存最优解；反之gen=gen+1，转到Step 4;

Step 7：运用IPSO优化LSSVM获取的最优参数惩罚函数C和核函数σ，将最优参数代入LSSVM模型，实现用户心理体验评价，其评价流程如图2所示。

图2 IPSO_LSSVM的用户心理体验评价流程Fig.2 The process of users’psychological experience evaluation with IPSO_LSSVM

4 实证研究

4.1 用户心理体验特征指标

影响用户心理体验的因素和特征有很多[7,8]，其中主要包括有用性、易用性。易用性主要针对操作的简便性，指标包括资源覆盖率、推荐命中率和用户忠诚度。有用性主要针对满足客户的价值性，指标包括响应速度、导航清晰度和任务完成效率[9,10]。其权重判断矩阵如表1和表2所示：

4.2 用户体验效果评价

为了评价用户心理体验效果，选择均方误差作为用户心理体验结果评价指标，其公式如下：

其中，xi，＾xi分别表示用户心理体验的实际评分和用户心理体验的预测评分。

4.3 实证分析

将100组用户心理体验数据http://newsfeed.ntcu.net/～news/2016/，分为训练样本数据和测试样本数据，前90组数据作为训练样本数据，用于LSSVM模型的建立；后10组数据作为测试样本数据，用于IPSO_LSSVM模型的准确性验证。

IPS0算法参数设定如下：最大迭代次数为100，种群大小为20，学习因子c1=c2=0.5，其预测结果如图3和图4所示：

图3 IPSO收敛图Fig.3 IPSO convergence

图4 PSO收敛图Fig.4 PSO convergence

为对比不同算法的用户心理体验评价的效果，将IPSO_LSSVM和PSO_LSSVM、GA_LSSVM、ES_LSSVM算法进行对比，对比结果如表3所示：

表3 用户心理体验评价结果对比Table 3 Comparison of evaluation results for users’psychological experience

由表1可知，在平均绝对误差和平均相对误差上，IPSO_LSSVM优于PSO_LSSVM、GA_LSSVM、ES_LSSVM和LSSVM，通过不同算法的预测结果对比可知，IPSO_LSSVM可以有效提高预测精度，同时实现LSSVM参数的自适应选择。

5 结论

针对用户心理和用户认知等因素和特征的缺乏，导致用户心理体验研究和评价研究深入不够，将IPSO算法引入LSSVM模型，提出一种基于IPSO_LSSVM的虚拟交互方式对用户心理体验的评价研究。研究结果表明，IPSO_LSSVM可以有效提高用户心理体验评价的精度，同时较其他方法具有更快的收敛速度。

[1]林 一,陈 靖,刘 越,等.基于心智模型的虚拟现实与增强现实混合式移动导览系统的用户体验设计[J].计算机学报,2015,38(2):408-422

[2]王道明,鲁昌华,蒋薇薇,等.基于粒子群算法的决策树SVM多分类方法研究[J].电子测量与仪器学报,2015(4):611-615

[3]张 拓,王建平,ZHANGTuo,等.基于CQPSO-LSSVM的网络入侵检测模型[J].计算机工程与应用,2015,51(2):113-116

[4]孙田川,刘洁瑜,康莉,等.基于改进PSO优化LSSVM的MEMS陀螺随机漂移预测[J].传感技术学报,2016,29(6):854-858

[5]王保义,王冬阳,张少敏.基于Spark和IPPSO_LSSVM的短期分布式电力负荷预测算法[J].电力自动化设备,2016,36(1):117-122

[6]李越超.基于QPSO-LSSVM的边坡变形预测[J].山地学报,2015(3):374-378

[7]谢 伟,辛向阳.基于无意识认知的交互设计研究[J].现代电子技术,2016,39(12):22-25

[8]王 宁,余隋怀,周 宪,等.人机交互界面中形状特征的视觉显著度计算[J].图学学报,2016,37(4):514-518

[9]吴茜媛,张云强,郑庆华.一种e-Learning用户心理体验质量的定量分析方法[C]//中国计算机学会服务计算学术会议,2012

[10]吴茜媛,张云强,郑庆华,等.e-Learning用户心理体验量化评价研究[J].西安交通大学学报,2012,46(12):109-115

The Evaluation of User's Psychological Experience for the Virtual Interactive Mode Based on IPSO_LSSVM

YANG Wei-yan,LI Xiu-yi,LIU Tong,CHEN Yi-wen
Institute of Psychology/Chinese Academy of Science,Beijing 100101,China

Aiming at the existing method of user psychological evaluation does not consider user psychological experience and cognitive shortcomings,choose the virtual interactive mode of user psychological experience as the research object, considering the characteristics of user psychology and cognition,establish a framework for user psychological experience evaluation,using AHP to construct the usefulness and ease of use the weight of the judgment matrix,presents a user psychological experience of IPSO_LSSVM virtual interactive mode based on the evaluation method.The results show that IPSO_LSSVM can overcome the traditional method of user psychological experience of the lack of evaluation,and can improve the evaluation precision and convergence speed,to further optimize the user psychological experience of evaluation.

Virtual interactive technology;psychological evaluation

N945.16

:A

:1000-2324(2017)02-0251-04

10.3969/j.issn.1000-2324.2017.02.018

2016-08-18

:2016-09-27

杨未艳(1983-),女,硕士在读,主要研究方向为儿童发展与教育心理学.E-mail:yangweiyanxl@sina.com