CN107783945B - 一种基于眼动追踪的搜索结果网页注意力测评方法及装置 - Google Patents

一种基于眼动追踪的搜索结果网页注意力测评方法及装置 Download PDF

Info

Publication number
CN107783945B
CN107783945B CN201711117011.8A CN201711117011A CN107783945B CN 107783945 B CN107783945 B CN 107783945B CN 201711117011 A CN201711117011 A CN 201711117011A CN 107783945 B CN107783945 B CN 107783945B
Authority
CN
China
Prior art keywords
user
different
attention
cognitive
test
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711117011.8A
Other languages
English (en)
Other versions
CN107783945A (zh
Inventor
王红
胡晓红
周莹
于晓梅
房有丽
狄瑞彤
孟广婷
刘海燕
宋永强
王露潼
王倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Normal University
Original Assignee
Shandong Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Normal University filed Critical Shandong Normal University
Priority to CN201711117011.8A priority Critical patent/CN107783945B/zh
Publication of CN107783945A publication Critical patent/CN107783945A/zh
Application granted granted Critical
Publication of CN107783945B publication Critical patent/CN107783945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013Eye tracking input arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于眼动追踪的搜索结果网页注意力测评方法及装置,方法包括:接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;根据同一搜索结果网页,设置不同的页面布局,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。

Description

一种基于眼动追踪的搜索结果网页注意力测评方法及装置
技术领域
本发明涉及一种基于眼动追踪的搜索结果网页注意力测评方法及装置。
背景技术
随着信息技术的飞速发展,人们获取信息的方式逐渐增多。在这些方面,网页占据了至关重要的位置。网页具有信息量大,操作方便等优点,使人们的生活方式和企业营销策略等发生了巨大变化。比如,当人们想要了解或者购买某样商品时,他们通常会通过搜索引擎发出搜索任务,然后在搜索引擎结果网页(SERP:Search Engine Results Page)中获取和处理信息,进行最终决策。因此,当下互联网广告成为市场营销的重要组成成分之一,是现代营销媒体战略实施过程中的重要一部分,而用户在搜索引擎结果网页内不同蓝条链接和广告链接上的测试结果研究有助于改善结果列表中的链接排序、广告投放、绩效评估和搜索引擎的UI设计。
针对搜索引擎结果网页的研究已有很多,比如:效果评估方面,1992年首次提出将满意度作为信息检索的效果评估标准,2009年Kelly等人完善满意度的概念。结构方面,Chen等人第一个提出联合点击模型,并且演示用户在联合搜索上的点击行为的不同,Lagun和Arguello等人表明垂直的相关性会影响搜索行为,包括注视活动和光标活动。
但是仍然存在以下问题:1)研究大多数是基于搜索满意度这种主观反馈或者点击率等行为反馈相关的研究,而甚少涉及到用户注意力方面;2)缺少搜索引擎结果网页内不同链接以及广告间相互作用的详细研究;3)基本上不对用户进行划分,将用户一体化。而用户存在个性,比如认知学习风格不同,不同的认知风格使得用户在加工信息(包括接受、贮存、转化、提取和使用信息)时习惯采用的方式不同,
综上所述,在现有的研究、技术中针对搜索引擎结果网页内,不同结果链接上不同用户在不同广告布局下的注意力分布情况,以及如何使得搜索引擎结果网页的布局更加科学、合理,从而获取用户最大注意力的问题,尚缺乏有效的研究解决方案。
发明内容
针对现有技术中存在的不足,本发明提供了一种基于眼动追踪的搜索结果网页注意力测评系统及方法。本发明将运用眼动追踪方式获取用户在浏览网页过程中无意识的注意信息,以注视时效为例,通过定量和定性分析用户认知风格不同、页面布局不同对于用户注意力、吸引力的影响,改善结果列表中的链接排序、广告投放和搜索引擎的UI设计。
本发明的技术方案为:
一种基于眼动追踪的搜索结果网页注意力测评方法,包括:
接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;
根据同一搜索结果网页,设置不同的页面布局,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;
根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;
将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。
其中,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型包括:
分别提供简单图形和复杂图形,用户于设定时间内,在所述复杂图形中描绘出与简单图形相同的图形;
用户重复上述描绘操作,若成功则计得分;
统计用户图形测验的总分值,根据总分值得到平均值以及标准差;
利用所述总分值、平均值以及标准差获得用户的认知风格指数;
根据认知风格指数将用户分别归类到不同的认知风格类型。
其中,所述描述操作包括:
步骤1:在第一设定次数范围内,用户重复所述描绘操作,不计得分;
步骤2:在第二设定次数范围内,用户重复所述描绘操作,每成功一次计得分A;
步骤3:在第三设定次数范围内,用户重复所述描绘操作,每成功一次计得分B;其中,用户在第三设定次数范围内描绘的复杂图形或简单图形具有面积增大、线条增多或路径增长的特征。
其中,利用所述总分值、平均值以及标准差获得用户的认知风格指数包括:
利用总分值、平均值以及标准差获得测验标准分数;
根据标准分数计算测验常态化T分数,即认知风格指数。
进一步的,所述认知风格类型为二元类型。
进一步的,根据同一搜索结果网页,设置不同的页面布局包括:同时具有分布在不同位置的广告链接区域和搜索结果推荐区域。
进一步的,所述眼动注视信息采用注视时效,所述注视时效为注视时间与结束时间的比值,所述结束时间为用户浏览完整个网页所需的时间。
根据注视时效,训练得到具有不同认知风格类型的用户注意力评分模型采用如下公式:
Figure GDA0002534518620000031
其中,CN为不同的认知风格类型,N为正整数;
Figure GDA0002534518620000032
指注视时效,μ为注视时效改变量差的均值,FTLiC0、FTLiC1
Figure GDA0002534518620000034
分别表示某种页面布局下不同认知风格的注视时效,FTC0、FTC1
Figure GDA0002534518620000033
分别表示所有页面布局下不同认知风格的注视时效,i=1...S表示S种不同的页面布局。
本发明还提供了一种存储装置,存储有多条指令,所述指令由处理器加载并执行以下处理:
接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;
根据同一搜索结果网页,设置不同的页面布局,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;
根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;
将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。
针对上述方法,本发明还提供了一种基于眼动追踪的搜索结果网页注意力测评装置,包括处理器,用于实现各指令;以及存储装置,用于存储多条指令,所述指令由处理器加载并执行以下处理:
接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;
根据同一搜索结果网页,设置不同的页面布局,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;
根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;
将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。
本发明的有益效果:
(1)本发明的基于眼动追踪的搜索结果网页注意力测评系统,通过眼动追踪装置收集用户在搜索引擎结果网页上浏览网页时的无意识注意信息。运用数理统计的方法,针对用户注意力、吸引力受页面布局不同和用户认知风格的影响情况进行统计分析。可以改善结果列表中的链接排序,优化广告分配效果,搜索引擎的UI设计。
(2)本发明的基于眼动追踪的搜索结果网页注意力测评方法,通过引入认知风格这一用户特征以及改变页面布局情况下用户的眼动追踪信息。利用统计检验方法分析用户在浏览网页过程中注意力的分布情况。
结果表明,融合眼动特征来测评搜索结果网页内不同链接间的联系及效果,能够更准确地分析不同用户对于不同布局的结果网页注意力效果以及不同链接间的相互影响作用,为改进广告投放、页面设计和提升用户体验提供重要依据。
附图说明
图1是本发明的基于眼动追踪的网络广告效果测评装置的结构示意图;
图2是本发明的基于相关性的认知与布局因素影响效用证明图;
图3是本发明的基于眼动追踪的网络广告效果测评方法流程示意图;
图4是本发明镶嵌图形测验部分题目示例图;
图5是本发明眼动实验中搜索结果网页设计图:
图6是本发明镶嵌图形测验流程示意图;
图7是本发明被试数据汇总图;
图8是本发明眼动实验搜索引擎结果网页示例图;
图9是本发明眼动参数分析产生的扫视路径图;
图10是本发明眼动参数分析产生的热区图;
图11是本发明眼动参数分析产生的关键绩效指标图;
图12是本发明搜索引擎结果网页内不同兴趣区域内注视时效汇总结果;
图13是本发明搜索引擎结果网页内不同兴趣区域内注视时效多重均值比较;
具体实施方式:
下面结合附图与实施例对本发明作进一步说明:
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的一种典型实施例是一种基于眼动追踪的搜索结果网页注意力测评装置,包括处理器,用于实现各指令;以及存储装置,用于存储多条指令,所述指令由处理器加载并执行以下处理:
接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;
根据同一搜索结果网页,设置不同的页面布局,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;
根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;
将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。
本发明中的镶嵌图形是基于规则的平面分割的图形,镶嵌图形是完全没有重叠并且没有空隙的封闭图形的排列。一般来说,构成一个镶嵌图形的基本单元是多边形或类似的常规形状。
若采用虚拟模块的方式,可以如图1所示:
包括认知风格划分单元,被配置为通过镶嵌图形测验获取用户认知风格参数;
眼动数据采集单元,被配置为通过眼动追踪装置获取用户浏览搜索引擎结果网页过程中的眼动参数;
注意力测评分析单元,被配置为根据所述用户眼动参数,定性和定量地分析不同类型的用户在不同广告布局下的搜索引擎结果网页内用户注意力的分布情况,以注视时效为例,通过比较分析不同因素下的分布情况,总结观察出各种效应,并结合实际进行说明。
同时本发明的另一实时例是一种基于眼动追踪的搜索结果网页注意力测评方法,如图3所示,该方法包括以下步骤:
(1)用户认知风格划分:通过镶嵌图形测验获取用户认知风格信息;
(2)眼动数据采集:通过眼动追踪装置采集用户在浏览搜索引擎结果网页时的眼动信息;
(3)获得注意力测评结果:根据获取到的眼动追踪参数,以注视时效为例,定性和定量地分析不同认知风格的用户在不同广告布局下的搜索引擎结果网页内用户注意力的分布情况,总结观察出的各种效应,并结合实际进行说明;
在本实施例中,眼动参数分析的用户主体招募了63名被试人员,男女比例1:1,年龄18-21周岁,均平均年龄为19.7周岁,所有的参与者均为在校本科生。由于希望得到的测评结果更符合大众真实情况,所以被试选取于不同专业的学生。所有被试裸眼或矫正视力达1.0以上,无色盲色弱等影响视觉效应因素。参与测评人数及泛化力度均达到现阶段眼动实验标准。
在本实施例中,眼动追踪装置采用的是德国普升科技有限公司研发的SMI RED眼动仪(Version2.5),其采样频率为60Hz。
记录和分析过程使用IViewX,Experiment Center和BeGaze以及SPSS Statistic等软件。
在本实施例中,实验材料分为两部分,一部分为认知风格划分所需图形材料,一部分为网页材料。
认知风格划分所需图形材料分为简单图形和复杂图形,制作成测试题目,题目量为25题,1-7题为简单题,8-25为复杂题,镶嵌图形测验部分题目如图4所示;
网页材料里随机选取了七种不同类型的物品,如奢侈品、门票、家居电器等,覆盖范围广范。模拟用户日常生活中选择的心态,每种类型有两种不同品牌。搜索引擎选择百度,因为它既是全球最大的中文搜索引擎,并且与大多数中文搜索引擎排版基本相同。按照通常设定的结果链接数目,即一般主体部分含有10个结果链接,以及除主体外的广告以及右侧相关推荐。由于仅有部分用户将投入少量注意力在右侧相关推荐,因此右侧不在细分。所以每个搜索引擎结果网页将被划分成12个兴趣区域,分别为1-10,AD和R。为了方便表示,此处设定的指标为用户在该兴趣区域的注视时效(用户在该区域的总注视时间与用户浏览整个网页时间的比值),通过它可以间接观察用户的注意力情况。其中,C0和C1分别表示认知风格为场依赖型与场独立型,L1、L2和L3分别表示广告位于主体上方、下方和右侧。本发明眼动实验场景搜索结果网页设计图如图5所示。
在本实施例中,为了获取用户的认知风格信息,将被试按照不同风格划分开来,采取目前研究中采用较多的由美国著名心理学家H.A.Witkin等人提出的镶嵌图形测验,镶嵌图形测验流程如图6所示。
在本实施例中,为了保证测评效果更加接近现实生活,本发明设计的眼动实验测评场景是:让被试人员尽可能像往常一样自由浏览,比如点击和滚动屏幕,并且较好的控制特征变量,保证被试人员看到的某一类型的搜索引擎结果网页是一样的,将从搜索引擎上爬下来搜索引擎结果网页,只保留十条结果链接、广告链接以及右侧相关推荐。测评过程中,通过SMI RED眼动仪(Version2.5)记录被试人员的眼动追踪信息。采用2(认知风格)×14(搜索任务)×3(广告位置)的混合实验设计。
在本实施例中,每次评测开始前首先进行被试信息采集、实验任务简介、实验步骤以及硬件设备使用规则等前期准备工作。为了得到最真实的实验数据,将对被试人员隐藏研究的具体内容。随后用户将要进行镶嵌图形测验,该测验结束后,用户有十分钟的休息时间。接下来进行眼动实验。正式收集用户在网页浏览时产生的眼动数据前需要进行校准工作,要求被试人员眼动追踪水平达标后才可以开始网页浏览。本次实验实际得到的数据汇总数据如图7所示。
在所述步骤(1)中,认知风格划分的具体步骤为:
(1-1)镶嵌图形测验熟悉阶段:指定一个简单图形和一个复杂图形,要求用户于给定时间内,在复杂图形中描绘出与给定简单图形在大小、比例和指向上都相同的图形。此类题目有3道,不计入总分,仅是让被试者熟悉题型;
(1-2)镶嵌图形测验初级阶段:题型难度、步骤均与步骤(1-1)相同,此类题目共4题,每题1分,答对一题加1分,答错、不作答不扣分;
(1-3)镶嵌图形测验提升阶段:步骤与(1-1)相同,题型难度提升,此类题目共18题,每题5分,答对一题加5分,答错、不作答不扣分;
(1-4)计算测验各项分值:统计每位用户镶嵌图形测验的总分值si,计算总体的常模分数
Figure GDA0002534518620000071
(即平均值)以及常模标准差σ,
Figure GDA0002534518620000072
(1-5)计算测验标准分数:利用步骤(1-4)获取到的各项分值计算每位用户的测验标准分数zi
Figure GDA0002534518620000073
(1-6)计算测验常态化T分数:利用步骤(1-5)获取到的每位用户的标准分数计算每位用户的测验常态化T分数ti,ti=zi*10+50;
(1-7)标记认知风格:根据步骤(1-6)获取到的常态化T分数对用户的认知风格进行分类,在本实施例中可以仅仅将认知风格分为二元型,即ti>50为场独立型认知风格,ti≤50为场依赖型认知风格。
在所述步骤(2)中,眼动数据采集的具体步骤为:
(2-1)被试常规信息采集:用户填写常规信息采集表,记录被试年龄、性别、专业、实验编号等常规基本信息;
(2-2)眼动实验说明:向被试介绍眼动实验的大致目的、实验任务、实验步骤、硬件设备使用规则及注意事项;
(2-3)眼动实验校准:眼动实验校准:校准工作共两次,两次校准双眼偏差均在正常范围内即可。
在本实施例中,采用SMI RED眼动仪(Version2.5)记录被试人员的眼动追踪信息。该仪器要求实验开始前用户调整好坐姿,将头部固定在U型架上,实验开始后被试不可轻易转动或移动头部。实验过程需要被试左手放于键盘以便按动空格键继续,右手放于鼠标以便浏览网页。校准工作共两次,用户按下空格键开始校准工作,盯住屏幕中心的红色圆点并将目光跟随其运动轨迹,红点停留时保持注视,九次停留后结束一次校准工作。
(2-4)网页浏览:每个网页浏览前,屏幕将提示需要进行的搜索内容,用户根据屏幕中的提示,了解接下来需要进行的商品类型。如:屏幕提示类型是手机,这意味着用户将要以一位手机购买者的心态浏览某手机品牌的搜索引擎结果网页。然后按动空格键进入网页浏览界面。浏览过程与日常浏览网页一样,用户可以进行点击,也可以进行页面滑动等。当遇到感兴趣的地方,用户可以点击该链接。为防止用户疲劳,每位用户最多随机展示6个SERPs,用户可以根据自身状态随时停止。
在所述步骤(3)中,获得注意力测评结果的具体步骤为:
(3-1)眼动参数分析:将步骤(2)获得的眼动数据生成可视化数据图,进行初步定性分析不同布局下不同认知风格对用户注意力分布的影响情况;
在本实施例中,眼动数据分析采用SMI眼动仪自带的BeGaze眼动数据分析软件,将步骤(1)获取的所述眼动参数生成可视化的数据图,原始材料如图8所示,图9所示扫视路径图,图10所示热区图以及图11所示关键绩效指标图,通过这些数据图进行初步定性分析。
将数据图按照用户认知风格以及页面布局进行分类,可以看出,无论哪种因素下,广告链接区域都存在较强的吸引力效应,用户扫视路径倾向于自上而下的流线型,用户对于上方的注意力要大于页面下方。
(3-2)页面布局影响分析模块:分析搜索引擎结果网页内网络广告位置不同导致页面布局不同时,用户注意力在整个搜索引擎结果网页分布的改变情况,采取数理统计检验的方式,以注视时效这一眼动参数为例,统计不同结果链接和广告链接内的注视时效,通过比较分析不同布局下的分布情况,总结观察出的各种效应,并结合实际进行说明;
为了消除因个人阅读风格,网页类型不同带来的差异,对部分特征进行归一化。将眼睛在广告区域内的注视时间(fix_time)修改为注视时效,表示为:
Figure GDA0002534518620000091
其中,结束时间(end_time)为用户浏览完整个网页所需要的时间;
在本实施例中,首先,统计结果链接、广告链接以及右侧相关推荐区域内的眼动参数,这里以注视时效参数为例,分析不同兴趣区域用户的注视时效分布情况以及,进而反映用户注意力分布情况以及页面布局对用户注意力分布的影响效果。不同兴趣区域注视时效汇总结果如图12所示。其中C0和C1表示仅按照认知风格分类用户注意力的原始结果,并将此作为对比基线。下方按照广告位置进行细分,块的颜色代表同基线相比,用户注意力的改变情况(红色表示增加,蓝色表示减少,改变幅度由归一化计算得出,并通过颜色深浅程度表示改变幅度大小)。虽然右侧是多部分组合而成,不方便分辨,但也可以看出一些较明显判断的结论,如:1-10号位10个结果链接上的注意力是按其自上而下的排列顺序依次减少;广告部分相对吸引力较强;用户注意力改变情况和整体布局相关等。
首先,验证不同布局下互联网广告吸引力效应:
观察图12中广告兴趣区(AD)的注视时效。通过该列中每个列元素与该元素对应行的其他兴趣区域的注视时效对比,可以明显看出,在基线和L1、L2位置时,用户在广告区域注视时间普遍要比1-10号位注视时间长,注意力更多,且右侧相关推荐也呈现大比重现象。这说明,L1、L2位置的广告对用户有较强的吸引力。L3位置由于处于非主体区域(10个结果链接右侧),得到用户的关注度偏少。广告心理学的研究指出:用户对广告具有一定的抵触心理,部分用户在浏览过程中甚至直接忽略该部分内容,因此此处吸引力较弱。
然后,分析得到不同布局下的增强效应:
当广告位于L1位置时,10个结果链接上注意力的分布相较于基线结果表现出了抑制效应,即1-10号位兴趣区域的注意力与基线相比,总体呈现减小的效果。但广告和右侧相关推荐呈现出注意力增强的效果。思考其现实意义。当广告位于L1位置,即10个结果链接上方时,由于广告对用户具有吸引力效应,且广告首先被用户观察到,因此用户很容易将更多的注意力放在广告上。而一般广告具有较丰富图片和文字信息,观看过广告后对产品已有大致了解,因此,接下来部分注意力将减少分多。
其次,分析得到不同布局下的抑制效应:
当广告位于L2、L3位置时,10个结果链接上的注意力分布呈现出增强效应,而广告与右侧相关推荐则表现出抑制效应。这说明广告位置不同对用户的注意力分布是具有一定影响的。思考其现实意义,当广告位于L2位置,即10个结果链接下方时,用户需要通过结果链接的阅读来了解产品,当浏览过程到L2时,用户对产品已然熟悉,所以对广告的注意力将大幅度减少。而L3位置,因为这部分的广告本身就不再主体区域,加上用户对广告的抵制心理,自然注意力放在主要搜索结果上的更多一些,广告上的注意力也呈现减少现象,但并不是很明显。
(3-3)认知风格影响分析模块,分析用户认知风格对用户眼动参数的影响,以及对用户注意力在整个搜索引擎结果网页分布情况的影响,采取数理统计检验的方式,以注视时效这一眼动参数为例,统计不同结果链接和广告链接内的注视时效,并定义变量
Figure GDA0002534518620000101
用于观察不同认知风格用户在同种广告位布局的搜索引擎结果网页上注视时效改变量的离散程度,通过比较分析不同认知风格下的分布情况,总结观察出的各种效应,并结合实际进行说明;
为了进一步发现认知风格对注意力的影响,我们采取LSD检验。目的是对每种情况下注视时效的均值逐对进行比较,以判断具体是哪些水平间存在显著差异。具体内容见图13,表格中黄色和蓝色分别表示p<0.01和p<0.05。
首先,分析得到不同认知风格下的认知相同性:
观察图13,广告兴趣区域(AD)所对应的整列均表现出在p<0.01的条件下,用户注视时效差异显著。也就是说无论是哪种认知风格,广告位置不同,都会对用户在广告区域的注意力造成显著改变。因此我们可以得出结论:广告位置不同时,两种认知风格对广告的注意力分布影响均表现出显著差异。
其次,分析得到不同认知风格下的认知差异性:
采用LSD检验判断具体是哪些水平间存在显著差异。统计不区分认知风格时,不同位置之间均值差MD(I-J)显著的共有13处。按照认知风格划分后,场依赖型均值差显著的共有7处;场独立型共有11处。两者比较,场独立型认知用户受广告位置改变而产生的注意力改变更为显著,由此可以看出,认知风格不同对用户注意力的分布具有显著的影响。并且通过两两对比发现,L1处布局与其他两处布局,注意力分布差异较大,而L2、L3型布局注意力分布差距较小。
计算注视时效改变量离散程度
Figure GDA0002534518620000111
具体公式可以从
Figure GDA0002534518620000112
演变为:
Figure GDA0002534518620000113
其中
Figure GDA0002534518620000114
指注视时效,μ为注视时效改变量差的均值,FTLiC0和FTLiC1分别表示某种布局下场依赖型认知风格和场独立认知风格的注视时效,FTC0和FTC1分别所有布局下表示场依赖型认知风格和场独立认知风格的注视时效,i=1...10表示10条结果链接区域,AD表示广告链接区域,R表示右侧相关推荐区域。
通过
Figure GDA0002534518620000115
值,可以观察不同认知风格用户在同种广告位布局的搜索引擎结果网页上注视时效改变量的离散程度。该值越大,证明认知风格导致注意力变化程度越大。比较图12中最后一列的
Figure GDA0002534518620000116
值,结果显示:9.64%(L3)<9.93%(L1)<12.70%(L2)。可以看出广告位于L2位置时,用户认知风格造成注意力改变的效果最大。上方位置次之,右侧最小。
本发明的有益效果:
(1)本发明的基于眼动追踪的搜索结果网页注意力测评系统,通过眼动追踪装置收集用户在搜索引擎结果网页上浏览网页时的无意识注意信息。运用数理统计的方法,针对用户注意力、吸引力受页面布局不同和用户认知风格的影响情况进行统计分析。可以改善结果列表中的链接排序,优化广告分配效果,搜索引擎的UI设计。
(2)本发明的基于眼动追踪的搜索结果网页注意力测评方法,通过引入认知风格这一用户特征以及改变页面广告布局,统计搜索引擎结果网页内不同链接区域内用户的眼动追踪信息。利用统计检验方法分析用户在浏览网页过程中注意力的分布情况。结果表明,融合眼动特征来测评搜索结果网页内不同链接间的联系及效果,能够更准确地分析不同用户对于不同布局的结果网页注意力效果以及不同链接间的相互影响作用,为改进广告投放、页面设计和提升用户体验提供重要依据。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (7)

1.一种基于眼动追踪的搜索结果网页注意力测评方法,其特征在于,包括:
接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;
根据同一搜索结果网页,设置不同的页面布局,所述页面布局为同时具有分布在不同位置的结果链接区域、广告链接区域和搜索结果推荐区域,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;
所述眼动注视信息采用注视时效,所述注视时效为注视时间与结束时间的比值,所述结束时间为用户浏览完整个网页所需的时间;
定性和定量地分析不同认知风格的用户在不同广告布局下的搜索引擎结果网页内用户注意力的分布情况,具体为:
将获得的眼动数据生成可视化数据图,初步定性分析不同布局下不同认知风格对用户注意力分布的影响情况;
分析搜索引擎结果网页内网络广告位置不同导致页面布局不同时,用户注意力在整个搜索引擎结果网页分布的改变情况,采取数理统计检验的方式,统计不同结果链接和广告链接内的注视时效,比较分析不同布局下的分布情况;
分析用户认知风格对用户眼动参数的影响,以及对用户注意力在整个搜索引擎结果网页分布情况的影响,采取数理统计检验的方式,统计不同结果链接和广告链接内的注视时效,比较分析不同认知风格下的分布情况;
根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;
所述具有不同认知风格类型的用户注意力评分模型采用如下公式:
Figure FDA0002534518610000011
其中,CN为不同的认知风格类型,N为正整数;
Figure FDA0002534518610000012
指注视时效,μ为注视时效改变量差的均值,FTLiC0、FTLiC1
Figure FDA0002534518610000013
分别表示某种页面布局下不同认知风格的注视时效,FTC0、FTC1
Figure FDA0002534518610000014
分别表示所有页面布局下不同认知风格的注视时效,i=1...S表示S种不同的页面布局;
将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。
2.根据权利要求1所述的方法,其特征在于,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型包括:
分别提供简单图形和复杂图形,用户于设定时间内,在所述复杂图形中描绘出与简单图形相同的图形;
用户重复上述描绘操作,若成功则计得分;
统计用户图形测验的总分值,根据总分值得到平均值以及标准差;
利用所述总分值、平均值以及标准差获得用户的认知风格指数;
根据认知风格指数将用户分别归类到不同的认知风格类型。
3.根据权利要求2所述的方法,其特征在于,所述描绘操作包括:
步骤1:在第一设定次数范围内,用户重复所述描绘操作,不计得分;
步骤2:在第二设定次数范围内,用户重复所述描绘操作,每成功一次计得分A;
步骤3:在第三设定次数范围内,用户重复所述描绘操作,每成功一次计得分B;其中,用户在第三设定次数范围内描绘的复杂图形或简单图形具有面积增大、线条增多或路径增长的特征。
4.根据权利要求2所述的方法,其特征在于,利用所述总分值、平均值以及标准差获得用户的认知风格指数包括:
利用总分值、平均值以及标准差获得测验标准分数;
根据标准分数计算测验常态化T分数,即认知风格指数。
5.根据权利要求1所述的方法,其特征在于,所述认知风格类型为二元类型。
6.一种如权利要求1-5中任一项所述的基于眼动追踪的搜索结果网页注意力测评方法的存储装置,其特征在于,存储有多条指令,所述指令由处理器加载并执行以下处理:
接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;
根据同一搜索结果网页,设置不同的页面布局,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;
根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;
将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。
7.一种如权利要求1-5中任一项所述的基于眼动追踪的搜索结果网页注意力测评方法的装置,包括处理器,用于实现各指令;以及存储装置,用于存储多条指令,其特征在于,所述指令由处理器加载并执行以下处理:
接收至少两个以上的用户样本,采用镶嵌图形测验法分析样本内用户的认知风格,得到用户的认知风格类型;
根据同一搜索结果网页,设置不同的页面布局,采集样本内每一用户阅读所述不同页面布局的搜索结果网页时的眼动注视信息;
根据所述眼动注视信息,训练得到具有不同认知风格类型的用户注意力评分模型;
将测试用户的认知风格类型输入所述注意力评分模型,得到该测试用户的注意力评分。
CN201711117011.8A 2017-11-13 2017-11-13 一种基于眼动追踪的搜索结果网页注意力测评方法及装置 Active CN107783945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711117011.8A CN107783945B (zh) 2017-11-13 2017-11-13 一种基于眼动追踪的搜索结果网页注意力测评方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711117011.8A CN107783945B (zh) 2017-11-13 2017-11-13 一种基于眼动追踪的搜索结果网页注意力测评方法及装置

Publications (2)

Publication Number Publication Date
CN107783945A CN107783945A (zh) 2018-03-09
CN107783945B true CN107783945B (zh) 2020-09-29

Family

ID=61432943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711117011.8A Active CN107783945B (zh) 2017-11-13 2017-11-13 一种基于眼动追踪的搜索结果网页注意力测评方法及装置

Country Status (1)

Country Link
CN (1) CN107783945B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108682189A (zh) * 2018-04-20 2018-10-19 南京脑桥智能科技有限公司 一种学习状态确认系统及方法
CN110704292B (zh) * 2019-10-15 2020-11-03 中国人民解放军海军大连舰艇学院 一种显控界面设计的评价方法
CN110991464B (zh) * 2019-11-08 2023-05-23 华南理工大学 一种基于深度多模态数据融合的商品点击率预测方法
CN111341444B (zh) * 2019-12-31 2023-05-05 东莞市东全智能科技有限公司 智能绘画评分方法及系统
CN111292850A (zh) * 2020-01-22 2020-06-16 福建中医药大学 一种adhd儿童注意力智能康复系统
CN111317448B (zh) * 2020-03-03 2024-01-02 南京鼓楼医院 一种分析视觉空间认知的方法及系统
CN111443665A (zh) * 2020-03-11 2020-07-24 东南大学 一种基于眼动信号的智慧病房控制方法和系统
CN115097933A (zh) * 2022-06-13 2022-09-23 华能核能技术研究院有限公司 专注度的确定方法、装置、计算机设备和存储介质
CN117854714B (zh) * 2024-03-07 2024-05-24 之江实验室 一种基于眼动追踪的信息推荐方法以及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006071246A1 (en) * 2004-12-23 2006-07-06 Massive Incorporated Matching and scoring of advertisements for targeted delivery into multiple video games, such as single and multiplayer games
CN104504404B (zh) * 2015-01-23 2018-01-12 北京工业大学 一种基于视觉行为的网上用户类型识别方法及系统
CN106920129B (zh) * 2017-03-09 2020-05-05 山东师范大学 一种基于眼动追踪的网络广告效果测评系统及其方法
CN107221212B (zh) * 2017-05-27 2020-08-14 广州大洋教育科技股份有限公司 一种基于时间序列的在线学习者认知风格分析方法

Also Published As

Publication number Publication date
CN107783945A (zh) 2018-03-09

Similar Documents

Publication Publication Date Title
CN107783945B (zh) 一种基于眼动追踪的搜索结果网页注意力测评方法及装置
Debue et al. What does germane load mean? An empirical contribution to the cognitive load theory
Benton et al. The effect of thin and muscular images on women's body satisfaction
Guo et al. Effects of visual complexity on user search behavior and satisfaction: an eye-tracking study of mobile news apps
Zen et al. Assessing user interface aesthetics based on the inter-subjectivity of judgment
Lallé et al. Prediction of users' learning curves for adaptation while using an information visualization
Nisiforou et al. Field dependence–independence and eye movement patterns: investigating users’ differences through an eye tracking study
Edwards et al. Engaged or frustrated? Disambiguating emotional state in search
JP6146760B2 (ja) 序列化装置、序列化方法及びプログラム
CN109145782A (zh) 基于界面任务的视觉认知差异研究方法
Liu Investigating the impact of cognitive style on multimedia learners’ understanding and visual search patterns: an eye-tracking approach
Pappas et al. Visual aesthetics of E-commerce websites: An eye-tracking approach
Tsai et al. Visual search patterns, information selection strategies, and information anxiety for online information problem solving
Józsa et al. Find the difference: Eye tracking study on information seeking behavior using an online game
Nugrahaningsih et al. Assessing learning styles through eye tracking for e-learning applications
McCabe-Bennett et al. A virtual reality study of the relationships between hoarding, clutter, and claustrophobia
Nisiforou et al. Using eye tracking to understand the impact of cognitive abilities on search tasks
Hassan et al. Effect of sign-recognition performance on the usability of sign-language dictionary search
Ji et al. Characterizing Information Seeking Processes with Multiple Physiological Signals
Mayukh et al. Survey and Experimentation: Critical Review of Research Design in Social Sciences
Bera Do distracting dashboards matter? Evidence from an eye tracking study
Williams Not all visual memories are created equal
Latini et al. Investigating the impact of greenery elements in office environments on cognitive performance, visual attention and distraction: An eye-tracking pilot-study in virtual reality
Kammerer et al. The role of thinking-aloud instructions and prior domain knowledge in information processing and source evaluation during Web search
Li et al. Research on book shopping website interface based on the eye tracker

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant