ВЫБОР ОПЕРАТОРОВ АГРЕГИРОВАНИЯ ПОЛЬЗОВАТЕЛЬСКИХ КРИТЕРИЕВ ДЛЯ ОЦЕНКИ УДОБСТВА ВЕБ-СТРАНИЦ
Сакулин Сергей Александрович , Алфимцев Александр Николаевич
2017 / Том 21 №1 (120) 2017 [ ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ ]
ЦЕЛЬ. В работе проведен обзор и сравнительный анализ применения различных видов операторов агрегирования в области построения обобщенных оценок удобства веб-страниц. Целью исследования является обоснованный выбор наиболее подходящего оператора агрегирования для свертки пользовательских критериев. МЕТОДЫ. Агрегирование пользовательских критериев может быть реализовано с применением аддитивных операторов, нейросетей, OWA (Ordered Weighted Averaging) операторов Ягера, нечетких интегралов Шоке и Суджено. Выявлено, что рассматриваемая прикладная область обладает рядом свойств, которые можно сформулировать в виде свойств оператора агрегирования. В частности, между критериями могут возникать зависимости нескольких типов. Кроме того, сам оператор должен обладать рядом неформализованных свойств для его применения в рассматриваемой прикладной области. РЕЗУЛЬТАТОМ проведенного сравнительного анализа стал выбор в качестве оператора агрегирования пользовательских критериев интеграла Шоке по нечеткой мере. Этот результат обусловлен тем, что интеграл Шоке удовлетворяет всем требованиям, предъявляемым к оператору агрегирования в данной прикладной области. Для применения интеграла Шоке необходима предварительная идентификация его параметров в виде коэффициентов нечеткой меры. В связи с этим в статье обоснован выбор метода идентификации на основе минимизации дисперсии нечеткой меры применительно к рассматриваемой области. ВЫВОДЫ. Интеграл Шоке по нечеткой мере в совокупности с методом идентификации нечеткой меры на основе минимизации дисперсии является наиболее подходящим оператором агрегирования пользовательских критериев при построении обобщенных оценок удобства веб-страниц.
Ключевые слова:
оценка удобства веб-страниц, оператор агрегирования, интеграл Шоке, нечеткая мера
Библиографический список:
- Ашманов И.С., Иванов А.А. Продвижение сайта в поисковых системах. М.: ИД «Вильямс», 2007. 304 с.
- Круг С. Как сделать сайт удобным. Юзабилити по методу Стива Круга. СПб.: Питер, 2010. 208 с.
- Скотт Б., Нейл Т. Проектирование Веб-интерфейсов. СПб.: Символ-Плюс, 2010. 352 с.
- Alfimtsev A., Sakulin S., Levanov A. Formalization of Expert Knowledge About the Usability of Web Pages Based on User Criteria Aggregation // International Journal of Software Innovation (IJSI). 2016. Vol. 4. No. 3. P. 38–50.
- McDonald S., Edwards H. M., Zhao T. Exploring think-alouds in usability testing: An international survey // IEEE Transactions on Professional Communication. 2012. Vol. 55. No. 1. P. 2–19.
- Følstad A., Law E., Hornbæk K. Analysis in practical usability evaluation: a survey study // Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. ACM, 2012. P. 2127–2136.
- Lee J. [et al.]. Factors affecting the perceived usability of the mobile web portal services: comparing simplicity with consistency // Information Technology and Management. 2013. Vol. 14. No. 1. P. 43–57.
- Мулен Э. Кооперативное принятие решений: аксиомы и модели. М.: Мир, 1991. 463 с.
- Grabisch M. Fuzzy integral in multicriteria decision making // Fuzzy Sets and Systems – Special issue on fuzzy information processing. 1995. Vol. 69. Iss. 3. P. 279–298.
- Marichal J.-L. Aggregation Operators for Multicriteria Decision Aid. PhD in Sciences University of Liège, Liège, Belgium. 1998.
- Beliakov G., Warren J. Appropriate Choice of Aggregation Operators in Fuzzy Decision Support Systems // IEEE Transaction on Fuzzy Systems. 2001. Vol. 9. No. 6. P. 773–784.
- Сизов А.С., Халин Ю.А., Цепов А.Ю. Использование OWA оператора Ягера для интеграции данных на входе ДСМ системы оценки риска инвестирования малого инновационного предприятия // Инновации в науке. 2013. № 24. С. 67–74.
- Ляхов А.Ф., Тришин И.М. Компьютерное моделирование поведения игрока в интеллектуальной карточной игре с помощью нейронной сети // Компьютерные инструменты в образовании. 2013. № 5. С. 54–64.
- Long J., Shelhamer E., Darrell T. Fully convolutional networks for semantic segmentation // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015. P. 3431–3440.
- Sainath T.N. [et al.]. Low-rank matrix factorization for deep neural network training with high-dimensional output targets // International Conference on Acoustics, Speech and Signal Processing. IEEE. 2013. P. 6655–6659.
- Oztekin A. [et al.]. A machine learning-based usability evaluation method for elearning systems // Decision Support Systems. 2013. No. 56. P. 63–73.
- Shin D.H. Cross-Platform Users’ Experiences Toward Designing Interusable Systems // International Journal of Human-Computer Interaction. 2016. No. 1. P. 1–12.
- Schmidhuber J. Deep learning in neural networks: An overview // Neural Networks. 2015. Vol. 61. P. 85–117.
- Anastassiou G.A. Rate of convergence of some multivariate neural network operators to the unit, revisited // Journal of Computational Analysis & Applications. 2013. Vol. 15. No. 1. P. 1300-1309.
- Srivastava N. [et al.]. Dropout: a simple way to prevent neural networks from overfitting // Journal of Machine Learning Research. 2014. Vol. 15. No. 1. P. 1929–1958.
- Slanzi G., Balazs J.A., Velásquez J.D. Combining eye tracking, pupil dilation and EEG analysis for predicting web users click intention // Information Fusion. 2017. Vol. 35. P. 51–57.
- Алфимцев А.Н. Нечеткое агрегирование мультимодальной информации в интеллектуальном интерфейсе // Программные продукты и системы. 2011. № 3. С. 44–48.
- Ахаев А.В., Ходашинский И.А., Анфилофьев А.Е. Метод выбора программного продукта на основе интеграла Шоке и империалистического алгоритма // Доклады Томского государственного университета систем управления и радиоэлектроники. 2014. № 2. С. 224–229.
- Максаков А.А., Сакулин С.А. Модель оценки качества внедрения информационной системы на предприятии // Инженерный журнал: наука и инновации. Электронное научно-техническое издание. 2013. № 11 (23). DOI: 10.18698/2308-6033-2013-11-1011.
- Mayag B., Grabisch M., Labreuche Ch. A representation of preferences by the Choquet integral with respect to a 2-additive capacity. Theory and Decision. 2011. Vol. 71. Р. 297–324.
- Grabisch M. A Graphical Interpretation of the Choquet Integral // IEEE Transactions on Fuzzy Systems. 2000. No. 8. Р. 627–631.
- Wu J., Zhang Q. 2-order additive fuzzy measure identification method based on diamond pairwise comparison and maximum entropy principle // Fuzzy Optimization and Decision Making. Kluwer Academic Publishers. 2010. Vol. 9. No. 4. Р. 435–453.
- Сакулин С.А., Алфимцев А.Н. К вопросу о практическом применении нечетких мер и интеграла Шоке // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2012. Вып. 4. С. 55–63.
- Grabisch M., Kojadinovic I., Meyer P. A review of methods for capacity identification in Choquet integral based multi-attribute utility theory: Applications of the Kappalab R package. 2008. No. 2. Р. 766–785.
- Marichal J.-L., Roubens M. Determination of weights of interacting criteria from a reference set // European Journal of Operational Research. 2000. No. 124. P. 641–650.
- Kojadinovic I. Minimum variance capacity identification // European Journal of Operational Research. 2007. No. 177 (1). Р. 498–514.
- Jaynes E.T. Information theory and statistical mechanics // Phys. Rev. 1957. No. 106. Р. 620–630.
Файлы: