典型文献
基于机器学习的用户情感意象多模式测量方法研究
文献摘要：
目的 通过不同模式的情感测量实验探索适合产品外观的情感测量方法,研究用户情感多模式测量的有效性.方法 从主观情感测量方法、脑电测量技术、眼动追踪技术以及外周生理测量技术等几个方面探索用户情感测量模式,采用机器学习算法分别构建不同测量模式下的用户情感意象与多模式生理测量指标之间的关系模型.结果 融合脑电指标,眼动指标和外周生理指标的用户情感意象与多模式生理测量指标关系模型在偏最小二乘回归(PLSR),BP神经网络(BPNN)和支持向量机回归(SVR)关系模型中拥有较低的均方根误差(MSE)和较高的拟合优度(R2).相较于PLSR和BPNN,在构建用户情感意象与多模式生理测量指标关系模型时,SVR算法表现出更低的MSE和更高的R2.结论 多模式憎爱分明感测量方法可以有效弥补主观情感测量方法测量用户情感时带来的不确定性和模糊性,使用户情感意象测量结果更加客观和准确.
文献关键词：
产品设计;用户体验;眼动追踪;机器学习;人因与工效学;情感设计;多模式情感测量;情感计算
中图分类号：
作者姓名：
屈庆星;郭伏
作者机构：
东北大学 工商管理学院,沈阳 110167
文献出处：
引用格式：
[1]屈庆星;郭伏-.基于机器学习的用户情感意象多模式测量方法研究)[J].人类工效学,2022(04):1-9
A类：
憎爱分明,人因与工效,人因与工效学,多模式情感测量
B类：
基于机器学习,用户情感,情感意象,不同模式,测量实验,实验探索,产品外观,主观情感,脑电,电测量,测量技术,眼动追踪技术,测量模式,机器学习算法,测量指标,关系模型,眼动指标,生理指标,偏最小二乘回归,PLSR,BPNN,支持向量机回归,SVR,MSE,拟合优度,模糊性,产品设计,用户体验,情感设计,情感计算
AB值：
0.262186
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
