一种智能互联充电云平台用户关注度计算方法

王化喆,申艺方

(1.商丘职业技术学院，河南 商丘 476100; 2.济源职业技术学院，河南 济源 454682)

随着新能源产业的深入发展，智能互联充电服务在各领域得到了广泛的应用，在此背景下，新能源充电汽车也得到了迅速的发展.智能互联充电云平台是提供新能源汽车充电服务的重要平台，平台服务内容在深度和广度上紧密围绕新能源汽车技术、充电、保养等方面不断地深入和延伸.但平台内容丰富的同时,信息的无效率过量推送，难以达到为个体使用者提供针对性服务的目的.

为了更有效地为平台用户提供个性化的高效服务，就要了解用户个体对平台信息的兴趣偏好，而用户对信息的关注度可以在一定程度上反映其兴趣偏好.因此，设计者以用户在平台的浏览行为为出发，获得用户相应的浏览行为，对所收集的用户行为信息进行计算得出用户对不同页面内容的关注度，从而达到了解用户兴趣偏好的目的，进而向个体用户提供更加具有针对性的服务，提高智能互联充电云平台服务效率和质量.

1 用户浏览行为分析

用户的浏览行为在一定程度上能够反映出用户对某个主题内容的关注度，这是判断用户个人内容偏好的重要依据.通过对数据的收集，设计者可以进行更加符合个人需要的、差异化的信息推送和产品服务，达到提高服务效率，提升服务质量的目的.

当用户没有计划性或针对性地浏览某主题页面时，其对某一页面进行保存、打印、复制、粘贴、收藏等浏览行为，表明该用户对某一页面上的主题内容发生了兴趣且产生了关注的行为.用户这种突发的浏览行为，在一定程度上可以反映出用户隐性的兴趣偏好.设计者可通过挖掘此类数据来确立用户的隐性偏好，并将用户潜意识兴趣偏好的行为进行转化，提高平台用户人数和服务质量.

在常见的几种用户偏好浏览行为中，用户打印页面行为操作场景较少.用户在浏览页面时，拉动滚动条、点击链接等操作行为，是浏览中较为常见的频繁操作行为，这些行为有时是一种非主观行为，难以作为用户兴趣偏好的依据.而用户的保存、收藏页面等浏览行为是一种主动行为，这些主动行为受客观因素影响较小，能较好地反映出用户兴趣偏好，具有较高的可信度，可以作为用户关注度的影响因素.用户在某一页面的停留时间和页面内容的大小存在着直接联系，不能独立作为用户关注度的影响因素，但可以将其作为分析数据的参数来分析.综上所属，用户保存页面、收藏页面、页面浏览速度等浏览行为可作为对用户关注度进行计算的主要依据，以计算用户对智能互联充电云平台不同页面信息的关注程度[1].

用户关注度是指用户对一个页面上的内容关注程度的大小，用0-1之间的实数表示，0表示不关注，1表示最大关注程度[2].

目前，通常用来计算用户对页面关注度的方法主要有两类，一类是基于浏览内容的方法，一类是基于用户行为的方法[3].由于用户对信息内容的隐性偏好，能够突发地反映出其某种显性浏览行为.因此，采用浏览行为作为用户关注度的参考依据具有更高的可信度.

设定初始用户关注度为Interest×[0,1]，采用保存网页save(li)、收藏页面bookmark(li)和页面浏览速度speed(li)作为用户在智能互联充电云平台的浏览行为. 其中，栏目用l表示，栏目中的页面用i表示，用户所访问的第i个平台页面表示为li.结合平台用户的实际浏览行为习惯及计算结果的可信度，对智能互联充电云平台用户的关注度计算做了如下设计.

1)保存、收藏页面具有较高的兴趣偏好指向性，其作为关注度影响因子具有高可信度的特点.因此，当用户发生保存、收藏页面任一行为时，只需获取用户保存、收藏页面浏览行为数据，不需再抓取用户页面浏览速度数据.此时，收藏和保存页面与用户关注度的关系为一个二值函数.

(1)

此时，用户关注度与式h(li)存在如下关系:

ω1=Interest(li)·h(li)

(2)

2)当保存、收藏页面等浏览行为没有发生时，只将用户浏览速度作为影响因子.用户对智能互联充电云平台页面的浏览网页速度speed(li)取决于页面内容的大小size(li)和驻留时间的长短time(li) .结合生活、工作实际使用场景，驻留时间在5s 3min时，则视为无效信息，程序会将无效信息排除计算范围.页面浏览速度speed(li)关注度函数定义为:

(3)

为了避免由于用户浏览速度过快，造成运算结果值过度偏离1，则用户关注度与页面浏览速度存在如下关系:

(4)

基于上述理论，可以得到智能互联充电云平台不同页面用户关注度计算公式如下:

Interest(li)=ω1+[1-ω1]×ω2

(5)

2 用户关注度的衰减

研究表明，人们在没有长时间的刺激作用下，对事物的兴趣会随着时间的延长而逐渐衰减，时间在智能互联充电云平台用户关注度的计算中是不可忽视的重要影响因子.因此，关注(兴趣)衰减因子采用公式(6)计算，进而得出关注度公式(7):

(6)

Interest*(li)=Interest(li)×K(x)

(7)

公式(6)取值c=1.25、k=1.84，较为符合人对事物的遗忘规律.公式(7)引入时间因素对用户关注度的影响，K(x)表示记忆保存量，T=cur-per(表示用户浏览页面的时间间隔，以分钟作为计量单位) .

根据公式(7)，得出用户对每个页面的关注度公式(8):

Interest″(li)=Interest*(li)+newInterest(li)

(8)

其中，newInterest(li)为关注度的变化值，即当用户浏览新的页面后，对原有页面兴趣度的变化大小，考虑了兴趣偏好的衰减或强化.为了确保算法的有效性和全面性，将几种浏览行为进行综合计算，采用公式(9)如下:

newInterest(li)=ω1*f1(h(li))+ω2*f2(speed(li))

(9)

其中，ω1、ω2为不同用户浏览行为所对应的权重.

最后依据智能互联充电云平台的相关内容，利用K-means算法进行聚类分析，在不同页面类别中，随机选取相同数量的页面作为实验数据开展实验测试，得到主题关注度函数:

(10)

其中,p表示主题，m表示主题数目，j表示第m个主题的总共页面数目.为了保证0≤Interest(pm)≤1，利用公式(11)对运算结果进行归一化处理.

(11)

3 实验分析

本文选取浏览2周的某智能互联充电云平台页作为处理数据，利用K-means算法最终聚类成充电支付、公告管理、智能查询、技术维护、个人设置等5个主题,在5个主题中随机选取5个页面的相关数据作为实验数据.使用前端性能分析工具Lighthouse得到用户智能互联充电云平台浏览行为和操作，部分结果如表1 所示.根据得到的数据，按照前文提出的公式对用户关注度进行计算，计算结果如表2所示.2周后再对浏览这些页面的用户在平台上进行线上统计调查，调查强调了用户真实想法的重要性及影响，并对参与调查的用户给予积分奖励，以保证调查数据的真实性和广泛性，最后将调查结果与计算结果进行比较，比较结果如表3 所示.

表1 整理后的部分用户浏览行为

表2 用户页面关注度比较

表3 用户类别关注度比较

从实验结果可以看出，本文提出的智能互联充电云平台用户关注度算法与用户线上调查的结果绝对误差值控制在9%以内，充分证明了算法的有效性.

4 结论

本文围绕智能互联充电云平台如何提供高质量、个性化服务的问题，了解用户的兴趣偏好，以用户对平台不同信息的关注度为出发点，抓取用户在平台的浏览行为，结合关注度会随时间衰减的规律，提出了一种智能互联充电云平台用户关注度计算方法，并通过实验证明了该方法的有效性.本文提出的方法只是获取用户兴趣偏好的一种维度，为类似研究提供了基础.为了更好地、全面地了解用户真实的兴趣偏好，设计者还需要进一步建立智能互联充电云平台用户关注模型和算法体系，进而完善智能互联充电云平台服务功能和提高其服务质量，更好地为用户提供个性化、专业化的平台服务.