【CN109902648A】一种处于无意识、自由状态下的用户体验评价方法及系统【专利】

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910178671.X

(22)申请日 2019.03.11

(71)申请人 重庆科技学院

地址 401331 重庆市沙坪坝区大学城东路

20号

(72)发明人 李太福　廖志强　尹蝶　段棠少　

张志亮　黄星耀　

(74)专利代理机构 重庆蕴博君晟知识产权代理

事务所(普通合伙) 50223

代理人 王玉芝

(51)Int.Cl.

G06K 9/00(2006.01)

G06K 9/62(2006.01)

(54)发明名称

一种处于无意识、自由状态下的用户体验评

价方法及系统

(57)摘要

本发明提供了一种处于无意识、自由状态下

的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GRNN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。权利要求书3页 说明书7页 附图3页CN 109902648 A 2019.06.18

C N 109902648

A

1.一种处于无意识、自由状态下的的用户体验评价方法,其特征在于，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GRNN 模型，采用所述输入矩阵和所述结果矩阵对GRNN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GRNN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。

2.如权利要求1所述的一种处于无意识、自由状态下的的用户体验评价方法,其特征在于，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 ＝[e 1,e 2,e 3,…,e n ]7×n ；

S12:将矩阵A进行转置变换得到A T ＝[e 1,e 2,e 3,…,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。

3.如权利要求2所述的一种处于无意识、自由状态下的的用户体验评价方法,其特征在于，

所GRNN模型方程式为：其中，表示所有样本观测值Y i 的加权平均，Y i 表示观测值，X网络输入变量，X i 表示第i个神经元对应的学习样本，σ表示网络扩展因子。

4.如权利要求3所述的一种处于无意识、自由状态下的的用户体验评价方法,其特征在于，所述步骤S2包括以下步骤：

S21：设置网络扩展因子的取值范围[σmin ,σmax ]，

设置σ的取值间距Δh；S22：取σ0＝σmin ，

采用样本集A作为训练样本构建GRNN模型，B作为测试样本，利用建立的

GRNN模型预测采样集B的所有估计值计算测试集B的预测值与实际值的误差E 1，并令E min ＝E 1，令最佳训练样本集为A；

S23：取σ0＝σmin ，

采用样本集B作为训练样本GRNN模型，A作为测试样本，利用建立的GRNN

模型预测采样集A的所有估计值计算测试集A的预测值与实际值的误差E 2，若E 2＜E 1，

权　利　要　求　书1/3页2CN 109902648 A