CN1758273A - 分布式图案协同设计中用户关注区域的预测方法 - Google Patents

Abstract

本发明公开了一种分布式图案协同设计中用户关注区域的预测方法。是通过将图案共享工作空间划分成若干子区域，定义协同设计中影响用户关注区域的属性并通过建立训练样本集、差别矩阵来确定关键影响因素，最终依据该关键因素来预测用户的关注区域。本方法实现了在图案协同设计中共享工作空间用户关注区的预测，从而为移动嵌入式终端快速、有效的协同图案浏览提供了可能。该方法较之传统方法有更高的预测准确性。

Description

分布式图案协同设计中用户关注区域的预测方法

技术领域

本发明涉及基于因特网的分布式图案协同设计技术领域，特别是涉及一种分布式图案协同设计中用户关注区域的预测方法。

背景技术

随着计算机技术、网络与通信技术、多媒体技术的迅速发展，计算机应用的重点开始从求解问题和信息处理向方便人们相互交流和支持人们协同工作的方向发展。作为一种新的计算模式，计算机支持的协同工作(Computer SupportedCooperative Work，CSCW)始于80年代，至今已经成为综合计算机技术、心理学、人类工程学、认知科学、社会学等多个学科于一体的新的交叉研究领域。

实时协同图案设计系统是CSCW应用的一个重要分支，其目标是在Internet网络环境下支持多个用户共同完成CAD图案设计的过程。协同图案编辑包括基于对象的图形编辑以及基于位图的图像编辑。在基于对象的图形编辑过程中，每个图形对象用一些简单的参数来进行描述，因此这一类协同编辑中的操作也能使用参数化方式进行描述，协同交互具有数据量较小的特征。目前随着位图图像编辑以及三维图像设计应用等涉及到大数据的协同设计系统的应用的拓展，对实时协同模式下的网络传输提出了更多要求并带来了一系列新问题。

随着普适计算和移动计算的兴起，嵌入式移动终端加入协同编辑设计工作已成为可能。然而，嵌入式终端通常其显示屏幕较小，图案无法以高精度方式完整地显示在一屏之上。同时，嵌入式终端的存储资源受限，往往在用户浏览图案时，终端仅下载并保存部分图案。因而，有效地预测用户的关注区域，并把这些区域的图案发送到移动终端成为当前图案协同设计中的一个重要的问题。然而，至今为止国内外尚未对此问题提出针对性的解决方法。

发明内容

本发明的目的在于提供一种用于图案协同设计中分布式图案协同设计中用户关注区域的预测方法。

本发明解决其技术问题采用的技术方案如下：

1)共享工作空间的细分

将图案所在的二维共享工作空间根据用户的需要划分成M*N个方形网格子区域；

2)关注区域影响因素属性有：

当前控制点位置属性的确定：以用户当前在共享工作空间操作的位置，即控制点，为中心，其附近的区域往往是用户关注的区域；

控制点历史操作属性的确定：用户在共享工作空间中点击频繁的区域往往是用户关注的区域；

工作区域属性的确定：用户在协同设计中负责设计的区域往往是用户关注的区域；

3)建立知识发现训练集

通过大量用户的实验，记录用户当前操作的区域的上述三个属性的特征值和用户对该区域是否属于其关注区域的认定，建立确定关注区域关键属性的知识发现训练集；

4)建立差别矩阵并确定关键属性

a)设S＝(U，A)为实验结果的样本空间，

其中：

U＝{x₁，x₂，...，x_n}，x_i为每次实验的个体，i＝1，2，...，n，

A＝{a₁，a₂，...，a_m}，a_j为个体所具有的属性，j＝1，2，...，m；

b)定义差别矩阵M(S)＝[c_ij]_n×n，

其中：

c_ij是个体x_i与x_j有区别的所有属性的集合；

利用上述差别矩阵，求解属性集合A的核(差别矩阵中所有只有一个元素的矩阵项的集合)，即本实验中决定用户关注区域的关键属性；

5)生成用户关注区域

根据决定用户关注区域的关键属性生成相关用户的关注区域。

本发明与背景技术相比，具有的有益的效果是：

本发明是用于图案协同设计中分布式图案协同设计中用户关注区域的预测方法，其主要功能是系统将图案所在的共享工作空间划分成若干子区域，选定三个对用户关注区域影响最大的因素，通过建立确定关注区域关键属性的知识发现训练集，建立差别矩阵并确定关键影响属性来生成用户关注的区域。

(1)实用性。该方法能在有效地应用于移动终端大幅面图案浏览中用户关注区的预测并进行下分次分区域的图案下载，经过反复试验证明有很好的实用性。

(2)高效性。系统采用该方法预测用户关注区，提高了用户图案浏览和协同设计的效率。

(3)准确性。该方法较之传统方法有更高的准确性，该方法是在具体环境中来决定何种属性是关键影响属性，排除了人为设定的影响属性在具体环境中不准确的可能性。

具体实施方式

在实施图案协同设计中，实现用户关注区域的预测方法的具体实施方式如下：

方法中涉及到相关的符号解释：

S：图案共享工作空间的划分

R：用户关注区域

U：实验样本空间

A：实验样本个体的属性集

M：差别矩阵

CORE：核

该方法的实施步骤如下：

第一步，图案共享工作空间的区域划分

将图案所在的二维共享工作空间S根据用户的需要划分成N×K个方形网格子区域，记作S[N][K]。

第二步，关注区域影响因素属性的确定

当前控制点位置属性及属性值的确定：以用户当前在共享工作空间操作的位置(即控制点)为中心，其附近的区域往往是用户关注的区域。属性值定义为{near，far}。其中以当前控制点为中心，与控制点的距离小于屏幕对角线长度1/8的范围的区域值为{near}；该区域以外的值为{far}。

控制点历史操作属性及属性值的确定：用户在共享工作空间中点击频繁的区域往往是用户关注的区域。根据历史点击的频繁程度的统计，该属性值定义为{most recent，recent，none}。

工作区域属性及属性值的确定：用户在协同设计中负责设计的区域往往是用户关注的区域。该属性值定义为{in，edge，out}，分别表示属于负责区内，在边界上，和负责区外部。

第三步，建立知识发现训练集

通过大量用户的实验，记录用户当前操作的区域的上述三个属性的特征值和用户对该区域是否属于其关注区域的认定，建立确定关注区域关键属性的知识发现训练集。实验建立训练集举例如下：

	条件属性			d决策属性
					c1控制点位置	c2控制点操作历史	c3工作区域
	1	near	most recent					in	yes
2				far	none	out	no
	3	far	most recent					out	yes
4				near	recent	out	no
	5	far	none					out	no
6				far	none	in	no
	7	far	recent					edge	yes
8				near	recent	in	no

第四步，建立差别矩阵并确定关键因素

设S＝(U，A)为实验结果的样本空间，其中U＝{x₁，x₂，...，x_n}，x_i为每次实验的个体，i＝1，2，...，n，A＝{a₁，a₂，...，a_m}，a_j为个体所具有的属性，j＝1，2，...，m。定义差别矩阵M(S)＝[c_ij]_n×n，c_ij是个体x_i与x_j有区别的所有属性的集合。

利用上述差别矩阵，求解属性集合A的核，即本实验中决定用户关注区域的关键属性。核CORE定义为差别矩阵中所有只有一个元素的矩阵项的集合。

以上表实验为例，差别矩阵和核的表达和计算如下：

因决策d＝{yes，no}，故上表按决策属性d可分为两个等价类：{x1，x3，x7}和{x2，x4，x5，x6，x8}。根据差别矩阵M的计算公式可得：

$\left[\begin{array}{cccccccc}\mathrm{\φ}& \{c1,c2,c3\}& \mathrm{\φ}& \{c2,c3\}& \{c1,c2,c3\}& \{c1,c2\}& \mathrm{\φ}& \left\{c2\right\}\\ & \mathrm{\φ}& \left\{c2\right\}& \mathrm{\φ}& \mathrm{\φ}& \mathrm{\φ}& \{c2,c3\}& \mathrm{\φ}\\ & & \mathrm{\φ}& \{c1,c2\}& \left\{c2\right\}& \{c2,c3\}& \mathrm{\φ}& \{c1,c2,c3\}\\ & & & \mathrm{\φ}& \mathrm{\φ}& \mathrm{\φ}& \{c1,c3\}& \mathrm{\φ}\\ & & & & \mathrm{\φ}& \mathrm{\φ}& \{c2,c3\}& \mathrm{\φ}\\ & & & & & \mathrm{\φ}& \{c2,c3\}& \mathrm{\φ}\\ & & & & & & \mathrm{\φ}& \{c1,c3\}\\ & & & & & & & \mathrm{\φ}\end{array}\right]$

差别矩阵与“核”有如下关系：属性c是条件属性C和决策属性D的“核”的充要条件是，存在i，j(1＜i＜j＜n)，使得M_i，j＝{c}。由上述矩阵可知，存在i＝4，j＝5，使得M_4，5＝{c2}，故表1的“核”为{c2}。

第五步，生成用户关注区域

根据决定用户关注区域的关键因素生成相关用户的关注区域R＝∪[i][j](0≤i＜M；0≤j＜N)，S[i][j]为用户关注的子区域。

例如：c2为关键属性，那么，利用控制点操作历史来决定用户关注的区域。用户在当前时间点之前的t时间之内的控制点经过的网格子区域可以作为用户关注区域的预测结果。

若c1为关键属性，即当前控制点位置属性是关键属性，以用户当前控制点位置周围的区域为用户关注区域。

若c3为关键属性，即工作区域属性是关键属性，以事先用户设定好的工作区域就是用户关注区域。

Claims (1)

1.一种分布式图案协同设计中用户关注区域的预测方法，其特征在于：

1)共享工作空间的细分

将图案所在的二维共享工作空间根据用户的需要划分成M*N个方形网格子区域；

2)关注区域影响因素属性有：

当前控制点位置属性的确定：以用户当前在共享工作空间操作的位置，即控制点，为中心，其附近的区域往往是用户关注的区域；

控制点历史操作属性的确定：用户在共享工作空间中点击频繁的区域往往是用户关注的区域；

工作区域属性的确定：用户在协同设计中负责设计的区域往往是用户关注的区域；

3)建立知识发现训练集

通过大量用户的实验，记录用户当前操作的区域的上述三个属性的特征值和用户对该区域是否属于其关注区域的认定，建立确定关注区域关键属性的知识发现训练集；

4)建立差别矩阵并确定关键属性

a)设S＝(U，A)为实验结果的样本空间，

其中：

U＝{x₁，x₂，...，x_n}，x_i为每次实验的个体，i＝1，2，...，n，

A＝{a₁，a₂，...，a_m}，a_i为个体所具有的属性，j＝1，2，...，m；

b)定义差别矩阵M(S)＝[c_ij]_n×n，

其中：

c_ij是个体x_i与x_j有区别的所有属性的集合；

利用上述差别矩阵，求解属性集合A的核，差别矩阵中所有只有一个元素的矩阵项的集合，即本实验中决定用户关注区域的关键属性；

5)生成用户关注区域

根据决定用户关注区域的关键属性生成相关用户的关注区域。