基于層次分析法和深度學(xué)習(xí)的用戶心理體驗評價研究

梁芹生

廣東嘉應(yīng)學(xué)院 心理健康教育與咨詢中心,廣東 梅州 514015

基于層次分析法和深度學(xué)習(xí)的用戶心理體驗評價研究

梁芹生

廣東嘉應(yīng)學(xué)院 心理健康教育與咨詢中心,廣東 梅州 514015

為克服目前用戶心理體驗評價指標(biāo)不夠全面的缺陷，本文運用層次分析法建立用戶心理體驗評價的層次結(jié)構(gòu)模型，運用深度置信網(wǎng)絡(luò)（DBN）進(jìn)行用戶心理體驗評價。研究結(jié)果表明，與BP、SVM和ELM相比較，DBN具有更高的評價精度。

層次分析法;深度學(xué)習(xí);用戶心理體驗;評價

用戶心理體驗是指用戶在接受服務(wù)的過程中，用戶產(chǎn)生和建立的一種整體的和主觀上的心理感受[1]。研究用戶心理體驗有助于分析用戶的習(xí)慣和需求等方面的信息，根據(jù)用戶心理的共性特點和不同的應(yīng)用背景深度細(xì)化用戶服務(wù)，最大限度地滿足用戶的服務(wù)滿意程序。針對當(dāng)前用戶心理體驗研究缺乏用戶心理體驗評價指標(biāo)的缺點，運用層次分析法建立用戶心理體驗的評價指標(biāo)模型，在此基礎(chǔ)上運用深度學(xué)習(xí)進(jìn)行用戶心理體驗評價。研究結(jié)果表明，深度置信網(wǎng)絡(luò)(depth belief network,DBN)具有更高的預(yù)測精度，可以克服其他方法的不足，為用戶心理體驗評價提供新的研究方法和研究方向，效果較好。

1 層次分析法

層次分析法[2]（analytic hierarchy process，AHP）適合那些難于完全定量分析的問題，是一種針對較為復(fù)雜和模糊的問題進(jìn)行決策的簡單方法。其算法流程如下：

1.1 建立遞階層次結(jié)構(gòu)模型

一般分三個層次，分別為目標(biāo)層、準(zhǔn)則層和要素層，如圖1所示為用戶心理體驗的層次結(jié)構(gòu)模型圖。

圖1 用戶心理體驗層次結(jié)構(gòu)模型Fig.1 Hierarchy model for user psychological experience

1.2 構(gòu)建判斷矩陣

通過兩兩比較法，根據(jù)各評價指標(biāo)的相對優(yōu)劣順序，構(gòu)建出評價指標(biāo)的判斷矩陣；對于n個評價指標(biāo)，其權(quán)重比較判斷矩陣可表示為：

1.3 計算各評價的權(quán)重

1.4 一致性檢驗

在AHP中，一致性檢驗判斷指標(biāo)如公式（2）所示：

式中，λmax表示判斷矩陣A的最大特征值；nA表示判斷矩陣A的階數(shù)。

2 深度置信網(wǎng)絡(luò)

深度置信網(wǎng)絡(luò)[3]是一種深層的神經(jīng)網(wǎng)絡(luò)，其主要由無監(jiān)督的預(yù)訓(xùn)練階段和有監(jiān)督的反向傳播階段兩個階段組成。在無監(jiān)督的預(yù)訓(xùn)練階段，DBN被預(yù)訓(xùn)練作為初始權(quán)重；在有監(jiān)督的反向傳播階段，調(diào)整整個網(wǎng)絡(luò)的誤差，保證網(wǎng)絡(luò)的優(yōu)化效果。

DBN一般由若干層受限玻爾茲曼機(jī)（Restricted boltzmann machine，RBM）分級疊加而成的深度網(wǎng)絡(luò)，其結(jié)構(gòu)示意圖如圖2所示。RBM是一種由可見層和隱層組成的兩層神經(jīng)網(wǎng)絡(luò)。圖2中，RBMθ1最先被訓(xùn)練，并且RBMθ1的隱層被當(dāng)作RBMθ2的輸入，之后RBMθ2被訓(xùn)練，依次類推。

圖2 深度置信網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Depth belief network structure

3 受限玻爾茲曼機(jī)RBM

3.1 RBM基本模型

若一個RBM由n個可見單元和m個隱單元組成，其中v、h分別表示可見單元和隱單元的狀態(tài)，則系統(tǒng)的能量可由公式（3）表示：

其中，b、c分別表示可見層和隱層的偏置；W表示可見層與隱層的連接權(quán)重。

當(dāng)參數(shù)θ={W,b,c}取值確定時，系統(tǒng)聯(lián)合概率分布可由公式（4）表示[4]：

其中，Z(θ)表示歸一化因子。

對于實際問題，輸入數(shù)據(jù)v的對數(shù)似然函數(shù)P(v/θ)可由公式（5）表示：

當(dāng)給定可見節(jié)點的狀態(tài)為v時，第j個隱層節(jié)點的激活概率可由公式（6）表示：

由于RBM的對稱性，可見節(jié)點的激活概率可由公式（7）表示：

為了求解參數(shù)θ={W,b,c}，可以最大化RBM在訓(xùn)練集上的對數(shù)似然函數(shù)求解出參數(shù)θ={W,b,c}，其表達(dá)式如公式（8）所示：

假設(shè)z為DBN輸入數(shù)據(jù)，h，v分別表示隱層和可見層向量；b，c分別表示可見層和隱層的偏置；W表示可見層與隱層的連接權(quán)重，e表示學(xué)習(xí)速率，參數(shù)θ={W,b,c}的求解流程如下：

（1）設(shè)置迭代次數(shù)Iter，隨機(jī)初始化模型參數(shù)；

（2）將輸入數(shù)據(jù)z賦值給可見層向量v，令v=z；

（3）根據(jù)公式（6）和公式（7）計算h0，v1，h1的狀態(tài)值，其中，激活函數(shù)σ=1/1+exp(-x)；

（4）根據(jù)公式（9）更新參數(shù)θ={W,b,c}；

（5）若t≥Iter，則訓(xùn)練終止；反之，將θt-1賦值給θt，跳轉(zhuǎn)到步驟（3），重新訓(xùn)練。

4 基于AHP和DBN的用戶心理體驗評價

為實現(xiàn)用戶心理體驗準(zhǔn)確評價，將用戶心理體驗表示為A，其表示用戶心理體驗的好壞程度[6]，其評價流程如圖3所示：基于AHP和DBN的用戶心理體驗流程如下：

圖3 用戶心理體驗評價流程Fig.3 User psychological experience evaluation process

（1）通過AHP分析法計算出各評價指標(biāo)的權(quán)重和實際得分；

（2）用戶心理體驗數(shù)據(jù)歸一化；

（3）劃分用戶心理體驗數(shù)據(jù)集，分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；

（4）建立DBN模型；

對于訓(xùn)練數(shù)據(jù)集，將用戶心理體驗各評價指標(biāo)的權(quán)重作為DBN的輸入，用戶心理體驗的實際得分作為DBN的輸出，通過DBN訓(xùn)練，建立DBN預(yù)測模型；

（5）DBN預(yù)測。

針對測試數(shù)據(jù)集，將測試數(shù)據(jù)集的用戶心理體驗各評價指標(biāo)的權(quán)重輸入DBN預(yù)測模型進(jìn)行用戶心理體驗實際得分預(yù)測，并與實際值進(jìn)行對比。

5 實證研究

5.1 數(shù)據(jù)來源

為證明本文算法的有效性，用戶心理體驗數(shù)據(jù)來源于[5]https://www.sojump.com/2017/，共收集141組數(shù)據(jù)，將數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)，其中訓(xùn)練數(shù)據(jù)97組，測試數(shù)據(jù)44組。

5.2 判斷矩陣

結(jié)合用戶心理體驗層次結(jié)構(gòu)模型，其權(quán)重判斷矩陣如表1和表2所示：

表1 有用性判斷矩陣Table 1 Judgment matrix for usefulness

表2 易用性判斷矩陣Table 2 Judgment matrix for usability

5.3 評價指標(biāo)

為評價本文算法的用戶心理體驗評價效果，選擇選擇平均絕對百分比誤差（Mean absolute percentage error，MAPE)、平均絕對誤差（Mean absolute error，MAE)和均方根誤差（Root mean square error，RMSE)作為評價指標(biāo)[6,7]：

式中，yi表示得分實際值，表示得分預(yù)測值，N表示測試數(shù)據(jù)集的數(shù)量。

5.4 實證結(jié)果

DBN深度網(wǎng)絡(luò)的參數(shù)設(shè)置如下：輸入神經(jīng)元數(shù)量6，輸出神經(jīng)元1，隱藏層4層，其神經(jīng)元個數(shù)分別為[20 30 20 10]，學(xué)習(xí)率為1，其預(yù)測結(jié)果如圖4和圖5所示。

圖4 DBN訓(xùn)練結(jié)果Fig.4 DBN training results

圖5 DBN測試結(jié)果Fig.5 DBN testing results

為進(jìn)一步證明本文算法進(jìn)行用戶心理體驗評價的有效性和可靠性，將DBN和BP、SVM、ELM比較，比較結(jié)果如表3所示：

表3 評價結(jié)果對比Table 3 Comparison of evaluation results

由表3用戶心理評價結(jié)果對比可知，在RMSE、MAE和MAPE上，本文算法DBN優(yōu)于BP、SVM和ELM，從而證明本文算法DBN進(jìn)行用戶心理體驗的優(yōu)越性和可靠性。

6 結(jié)論

對于目前用戶心理體驗評價評價因素缺乏的特點，運用層次分析法建立用戶心理體驗的評價指標(biāo)模型，在此基礎(chǔ)上運用深度學(xué)習(xí)進(jìn)行用戶心理體驗評價。研究結(jié)果表明，通過與BP、SVM和ELM對比可知，在RMSE、MAE和MAPE上，DBN具有更高的評價精度。

[1]林 一,陳 靖,劉 越,等.基于心智模型的虛擬現(xiàn)實與增強(qiáng)現(xiàn)實混合式移動導(dǎo)覽系統(tǒng)的用戶體驗設(shè)計[J].計算機(jī)學(xué)報,2015,38(2):408-422

[2]吳 極,劉 超,夏 浩.模糊層次分析法在評價體系建模中的應(yīng)用與修正[J].統(tǒng)計與決策,2015(20):77-79

[3]劉 璇.傳播心理學(xué)視角下的中國社交網(wǎng)絡(luò)(SNS)用戶心理體驗研究[D].杭州:浙江大學(xué),2010

[4]李小青.基于用戶心理研究的用戶體驗設(shè)計[J].情報科學(xué),2010(5):763-767

[5]吳茜媛,張云強(qiáng),鄭慶華,等.e-Learning用戶心理體驗量化評價研究[J].西安交通大學(xué)學(xué)報,2012,46(12):109-115

[6]胡珍苗,程 巖,崔華玉.在線內(nèi)容用戶服務(wù)升級意愿研究:基于增值體驗的心理慣性視角[J].管理評論,2016,28(11):116-128

[7]邱明濤,王仕超,張凱茜,等.基于心理學(xué)的國內(nèi)化妝品網(wǎng)站用戶體驗的提升與改善研究[J].中國電子商務(wù),2014(12):48-49

Study of the Evaluation of UserPsychological Experience Basedon Analytic HierarchyProcess and Deep Learning

LIANG Qin-sheng
Psychological Educating and Consulting Center of Guangdong Jiaying University,Meizhou514015,China

In order to overcome the defect of current user psychological experience evaluation index,this paper applied analytic hierarchy process to establish the hierarchical structure model and used the depth confidence network(DBN)to evaluate user psychological experience.Results showed DBN had higher evaluation accuracy compared with BP,SVM and ELM.

Analytic hierarchy process;deep learning;user psychological experience;evaluation

G808.16

A

1000-2324(2017)04-0611-05

2016-11-09

2016-12-22

廣東省教育廳高校思想政治課題:基于大數(shù)據(jù)視野下的心理健康教育工作機(jī)制研究(2017GXSZ066)

梁芹生(1970-),男,碩士,副教授.主要研究方向為心理學(xué).E-mail:lqsmz@jyu.edu.cn