CN108595575A - 具有非确定性的多源用户体验数据聚合方法 - Google Patents

Abstract

本发明公开了一种具有非确定性的多源用户体验数据聚合方法，包括：S1)针对具有非确定性的多源用户体验数据，将其统一转换为直觉模糊数，在不丢失不确定性信息的前提下，实现多源数据的格式统一；S2)利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合；S3)将聚合得到的直觉模糊数转换为[0,1]区间内的实数，完成多源用户体验数据的有效聚合。本发明在不丢失不确定性信息的前提下，能够将具有不确定性的用户体验信息与其它的用户体验信息进行有效聚合，实现对工业产品多源的用户体验信息的综合量化评估，帮助改进产品质量和服务。

Description

具有非确定性的多源用户体验数据聚合方法

【技术领域】

本发明涉及多源、异构的用户体验数据融合与集成领域，特别涉及一种具有非确定性的多源用户体验数据聚合方法。

【背景技术】

互联网时代，用户体验成为新的生产力。许多企业纷纷构建了自己独具特色的用户体验管理体系，以提高产品质量和服务。一般情况下，用户体验数据来源主要有三种：第一类是关于产品质量的相关用户体验数据，来自传统企业信息化范围，主要包含确定性信息；第二类是关于价格的用户体验数据，主要指产品在市场的销售价格及其用户满意度等一系列用户体验数据，包含大量不确定性信息；第三类是与产品服务等相关的用户体验数据，包括物流、售后服务、在线咨询等一系列用户体验数据，也包含大量不确定性信息。在大部分用户体验数据中，常常包含用户的主观感受、评价等信息，它们常常以不确定性信息的形式出现，这些信息对改善企业产品，提高产品的市场亲和力有着非常重要的作用。然而这些多源且类型多样的用户体验数据，由于包含大量不确定性信息，将它们聚合在一起形成对产品的用户体验信息的综合量化评估，将是一件很困难的事。多源数据聚合是数据集成的一种重要方式，在实际应用中常常被采用，也可用于用户体验数据的分析、处理。传统的多源、异构数据聚合方法存在的问题是，在进行数据格式的同构化时，常常将数据包含的不确定性信息丢失。而在用户体验数据中，大量数据将包含不确定性信息，因此将会造成大量有用信息的丢失，导致聚合结果与被聚合数据之间存在较大差异，对聚合结果的正确性造成影响。本发明提出的方法，可以在不丢失不确定性信息的前提下，将具有不确定性的用户体验信息与其它各类用户体验信息进行有效聚合，实现对产品的用户体验信息的综合量化评估，便于对产品的用户体验信息进行排序和管理。

【发明内容】

本发明的目的在于提供一种具有非确定性的多源用户体验数据聚合方法，以实现确定性和非确定性用户体验数据的有效聚合，从而可以对产品的用户体验信息进行量化评估。

为达到上述目的，本发明通过以下技术方案予以实现：

具有非确定性的多源用户体验数据聚合方法，包括如下步骤：

S1)将数据集中的多源用户体验数据统一转换为直觉模糊数；

S2)利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合；

S3)聚合得到的直觉模糊数转换为[0,1]区间内的实数，完成多源用户体验数据的有效聚合。

本发明的进一步改进在于，步骤S1)中将数据集中的多源用户体验数据统一转换为直觉模糊数，具体包括：

首先，对于非确定性用户体验数据x，如果其表示形式是直觉模糊数(u(x),v(x))，其中0≤u(x)≤1是隶属度，表示用户从正面给出的对某商品的满意度，0≤v(x)≤1是非隶属度，表示用户从反面给出的对某商品的不满意度，u(x)+v(x)≤1，则x不需要转换；如果其表示形式是(a(x),π(x))，其中a(x)表示用户对某商品的总体满意度，π(x)∈[0,1]表示其不确定性，则采用如下的公式将其转换为直觉模糊数：

其中，suf(x),inf(x)分别表示x的上确界和下确界。

其次，对于确定性用户体验数据x，如果该数据与用户体验满意度正相关，采用如下的公式将其转换为直觉模糊数：

如果确定性用户体验数据x与用户体验满意度负相关，采用如下的公式将其转换为直觉模糊数：

本发明的进一步改进在于，步骤S2)中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，具体包括：

对待聚合的N个表示为直觉模糊数α_i＝(u(x_i),v(x_i))，i＝1,2,...,N的用户体验数据，将u(x_i)，v(x_i)简记为u_i，v_i，依据u_i进行升序排序；如果u_[i]表示U＝(u₁,u₂,…,u_N)中第i个小的数，那么按升序排序后的向量表示为U_[]＝(u_[1],u_[2],…,u_[N])，进而排序后的N个直觉模糊数表示为[(u_[1],v_[1]),(u_[2],v_[2]),…,(u_[N],v_[N])]，其中v_[i]与u_[i]相对应。

本发明的进一步改进在于，步骤S2)中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，具体包括：

对排序后的N个直觉模糊数的隶属度利用有序加权平均三角余模函数进行聚合，具体表示为：

其中(ω₁,ω₂,…,ω_N)是权重向量，

本发明的进一步改进在于，步骤S2)中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，具体包括：

对排序后的N个直觉模糊数的非隶属度利用有序加权平均三角模函数进行聚合，具体表示为：

其中(ω₁,ω₂,…,ω_N)是权重向量，

本发明的进一步改进在于，步骤S3)中将聚合得到的直觉模糊数转换为[0,1]区间内的实数，具体包括：

首先，聚合结果表示为直觉模糊数；令 则γ＝(μ_γ,v_γ)是聚合结果；

其次，若聚合结果为γ＝(μ_γ,v_γ)，那么聚合结果用如下的公式转换为[0,1]区间内的实数：

a(γ)即为聚合得到的群体用户对某商品体验信息的综合满意度。

相对于现有技术，本发明具有以下有益效果：本发明在不丢失不确定性信息的前提下，实现多源用户体验数据中具有不确定性的信息与其它确定的用户体验数据的有效聚合，从而可以进行产品的用户体验信息的量化评估，得到对产品的用户体验满意度等。

【附图说明】

图1为本发明具有非确定性的多源用户体验数据聚合方法的整体流程图。

【具体实施方式】

以下结合附图详细说明本发明具有非确定性的多源用户体验数据聚合方法的实施方式。

参见图1，本发明具有非确定性的多源用户体验数据聚合方法，包括以下步骤：

S1)将数据集中的多源用户体验数据统一转换为直觉模糊数；

S2)利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合；

S3)聚合得到的直觉模糊数转换为[0,1]区间内的实数，完成多源用户体验数据的有效聚合。

具体来讲，步骤S1)中将数据集中的多源用户体验数据统一转换为直觉模糊数，包括：

首先，对于非确定性用户体验数据x，如果其表示形式是直觉模糊数(u(x),v(x))，其中0≤u(x)≤1是隶属度，表示用户从正面给出的对某商品的满意度，0≤v(x)≤1是非隶属度，表示用户从反面给出的对某商品的不满意度，u(x)+v(x)≤1，则x不需要转换；如果其表示形式是(a(x),π(x))，其中a(x)表示用户对某商品的总体满意度，π(x)∈[0,1]表示其不确定性，则采用如下的公式将其转换为直觉模糊数：

其中，suf(x),inf(x)分别表示x的上确界和下确界。

其次，对于确定性用户体验数据x，如果该数据与用户体验满意度正相关，采用如下的公式将其转换为直觉模糊数：

如果确定性用户体验数据x与用户体验满意度负相关，采用如下的公式将其转换为直觉模糊数：

这样进行数据转换的优点是，对确定性用户体验数据，并未实际增加其不确定性。

例如，x₁＝3表示产品展示的满意度，是确定性数据，其取值的上下确界分别是1和5(分别对应一星和五星)，那么

v(x₁)＝1-u(x₁)＝0.5，转换后的直觉模糊数表示为(0.5,0.5)；

x₂＝(1,0.2)是不确定性数据，是用户对产品售后服务的评价(一颗星，非常不满意)，其中不确定性表示为0.2，如果其确定性信息的取值范围为[1,5]，那么v(x₂)＝1-0.25-0.2＝0.55，转换后的直觉模糊数表示为(0.25,0.55)；

x₃＝(0.15,0.7)也是不确定性数据，是用户对产品物流的评价，满意度0.15，不满意度0.7，是一个直觉模糊数，不需要进行数据转换。

具体来讲，步骤S2)中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，包括以下内容：

对待聚合的N个表示为直觉模糊数α_i＝(u(x_i),v(x_i))，i＝1,2,...,N的用户体验数据，将u(x_i)，v(x_i)简记为u_i，v_i，依据u_i进行升序排序；如果u_[i]表示U＝(u₁,u₂,…,u_N)中第i个小的数，那么按升序排序后的向量表示为U_[]＝(u_[1],u_[2],…,u_[N])，进而排序后的N个直觉模糊数表示为[(u_[1],v_[1]),(u_[2],v_[2]),…,(u_[N],v_[N])]，其中v_[i]与u_[i]相对应。

例如，y₁＝(0.4805,0.5195)，y₂＝(0.2407,0.7593)，y₃＝(0.7402,0.2597)，y₄＝(0.6103,0.3896)是四个用户体验信息转换后的直觉模糊数，依据其隶属度升序排序后的结果为：

[(0.2407,0.7593),(0.4805,0.5195),(0.6103,0.3896),(0.7402,0.2597)]

具体来讲，步骤S2中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，包括以下内容：

对排序后的N个直觉模糊数的隶属度利用有序加权平均三角余模函数进行聚合，具体表示为：

其中(ω₁,ω₂,…,ω_N)是权重向量，

例如，对前述四个排序后的直觉模糊数，如果它们的权重相等，则其隶属度利用有序加权平均三角余模函数进行聚合计算的过程如下：

S(0.2407)×0.25+S(0.2407,0.4805)×0.25+S(0.2407,0.4805,0.6103)×0.25

+S(0.2407,0.4805,0.6103,0.7402)×0.25

＝(0.2407+0.6464+0.9012+0.9846)×0.25＝0.6932

具体来讲，步骤S2中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，包括以下内容：

对排序后的N个直觉模糊数的非隶属度利用有序加权平均三角模函数进行聚合，具体表示为：

其中(ω₁,ω₂,…,ω_N)是权重向量，

例如，同样对前述四个排序后的直觉模糊数，如果它们的权重相等，则其非隶属度利用有序加权平均三角模函数进行聚合计算的过程如下：

T(0.7593)×0.25+T(0.7593,0.5195)×0.25+T(0.7593,0.5195,0.3896)×0.25

+T(0.7593,0.5195,0.3896,0.2597)×0.25

＝(0.7593+0.3536+0.0988+0.0154)×0.25＝0.3068

具体来讲，步骤S3中将聚合得到的直觉模糊数转换为[0,1]区间内的实数，实现对产品的用户体验信息的量化评估，包括以下内容：

首先，聚合结果表示为直觉模糊数。 则γ＝(μ_γ,v_γ)是聚合结果。

其次，若聚合结果为γ＝(μ_γ,v_γ)，那么聚合结果用如下的公式转换为[0,1]区间内的实数：

例如，在前述的例子中，聚合后得到的直觉模糊数为(0.6932,0.3068)，那么转换后的确定性数据为：该数是聚合前述四项包含不确定性的用户体验数据而得到的对某产品的用户体验满意度。

Claims (6)

1.具有非确定性的多源用户体验数据聚合方法，其特征在于，包括如下步骤：

S1)采集具有非确定性的多源用户体验数据，获得数据集；将数据集中的多源用户体验数据统一转换为直觉模糊数；

S2)利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合；

S3)聚合得到的直觉模糊数转换为[0,1]区间内的实数，完成多源用户体验数据的有效聚合。

2.根据权利要求1所述的具有非确定性的多源用户体验数据聚合方法，其特征在于，步骤S1)中将数据集中的多源用户体验数据统一转换为直觉模糊数，具体包括：

首先，对于非确定性用户体验数据x，如果其表示形式是直觉模糊数(u(x),v(x))，其中0≤u(x)≤1是隶属度，表示用户从正面给出的对某商品的满意度，0≤v(x)≤1是非隶属度，表示用户从反面给出的对某商品的不满意度，u(x)+v(x)≤1，则x不需要转换；如果其表示形式是(a(x),π(x))，其中a(x)表示用户对某商品的总体满意度，π(x)∈[0,1]表示其不确定性，则采用如下的公式将其转换为直觉模糊数：

其中，suf(x),inf(x)分别表示x的上确界和下确界；

其次，对于确定性用户体验数据x，如果该数据与用户体验满意度正相关，采用如下的公式将其转换为直觉模糊数：

如果确定性用户体验数据x与用户体验满意度负相关，采用如下的公式将其转换为直觉模糊数：

3.根据权利要求1所述的具有非确定性的多源用户体验数据聚合方法，其特征在于，步骤S2)中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，具体包括：

对待聚合的N个表示为直觉模糊数α_i＝(u(x_i),v(x_i))，i＝1,2,...,N的用户体验数据，将u(x_i)，v(x_i)简记为u_i，v_i，依据u_i进行升序排序；如果u_[i]表示U＝(u₁,u₂,…,u_N)中第i个小的数，那么按升序排序后的向量表示为U_[]＝(u_[1],u_[2],…,u_[N])，进而排序后的N个直觉模糊数表示为[(u_[1],v_[1]),(u_[2],v_[2]),…,(u_[N],v_[N])]，其中v_[i]与u_[i]相对应。

4.根据权利要求1所述的具有非确定性的多源用户体验数据聚合方法，其特征在于，步骤S2)中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，具体包括：

对排序后的N个直觉模糊数的隶属度利用有序加权平均三角余模函数进行聚合，具体表示为：

其中(ω₁,ω₂,…,ω_N)是权重向量，

5.根据权利要求1所述的具有非确定性的多源用户体验数据聚合方法，其特征在于，步骤S2)中利用有序加权平均的直觉模糊数聚合函数，实现对表示为直觉模糊数的用户体验信息的有效聚合，具体包括：

对排序后的N个直觉模糊数的非隶属度利用有序加权平均三角模函数进行聚合，具体表示为：

其中ω_i是权重向量，

6.根据权利要求1所述的具有非确定性的多源用户体验数据聚合方法，其特征在于，步骤S3)中将聚合得到的直觉模糊数转换为[0,1]区间内的实数，具体包括：

首先，聚合结果表示为直觉模糊数；令 则γ＝(μ_γ,v_γ)是聚合结果；

其次，若聚合结果为γ＝(μ_γ,v_γ)，那么聚合结果用如下的公式转换为[0,1]区间内的实数：

a(γ)即为聚合得到的群体用户对某商品体验信息的综合满意度。