复杂性 复杂性 1099 - 0526 1076 - 2787 Hindawi 10.1155 / 2020/4537152 4537152 研究文章 用户交互的复杂性分析与酒店机器人 https://orcid.org/0000 - 0001 - 7802 - 1563 钟 莉娜 1 杨 Liyu 1 荣 贾 2 李 Xiaonan 1 Lv Zhihan 1 在旅游大数据研究所 旅游科学学院 北京外国语大学 朝阳区 北京 中国 bisu.edu.cn 2 部门数据科学与人工智能 莫纳什大学 墨尔本 澳大利亚 monash.ac.za 2020年 30. 5 2020年 2020年 28 03 2020年 12 05年 2020年 30. 5 2020年 2020年 版权©2020莉娜钟等。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

介绍了服务机器人酒店行业在过去的十年里,收到各种反馈性能。提供更好的服务,需要了解酒店客户服务机器人。了解他们的兴趣、动机和行为在人机交互的关键是开发高质量的服务和提高机器人的性能。这是第一个研究人机交互在中国酒店。频繁模式挖掘和社会网络分析技术用于这项工作找出有用的建议酒店管理和机器人工厂。打开和关闭灯、电视、窗帘、屏幕和窗口服务很受欢迎,大多数在其逗留期间酒店客户首选。服务机器人也发现招待客户进行重复命令为了好玩或者消磨时间。客户还显示各种动机留在酒店房间通过调用不同的命令。

 北京社会科学基础 19 jdxca005 18 jdglb013 中国国家自然科学基金 71673015 1。介绍

和人工智能的快速发展使得它可能有智能机器人在人们的日常生活。在功能方面,机器人可以分为工业机器人,服务机器人 1]。通过近距离观察服务机器人,可以申请专业的使用或进一步分类为个人/私人使用[ 2]。服务机器人专业的使用是为了完成一个特定任务或服务目标的用户组。例如,专业服务机器人包括清洁机器人,污水管道机器人检测机器人,拆除机器人,水下机器人,机器人在医疗机构,辅助机器人和机器人等残疾人轮椅机器人,机器人,交付指导机器人,加油站的机器人,消防机器人和防空机器人,建筑机器人、农业机器人、服务机器人等。对于个人和私人使用包括国内(家)机器人,娱乐机器人教育机器人,等等。这些服务机器人开发帮助人类完成日常任务( 3]。服务机器人是用来帮助和与人类交互来完成任务。

当前的研究主要集中在设计、应用和评估的服务机器人。在设计方面,设计师怎么设计机器人,机器人交互,根据客户的需求和喜好和经验?他们可以削弱或加强顾客的感知价值,导致正面或负面口碑( 4]。伊万诺夫和韦伯斯特 5)关注友好好客的机器人的设计。韩国科学技术研究院(KIST)老年人的机器人设计 6]。Lakshmi et al。 7)设计了一个医院护理药物输送的机器人。在应用方面,不同于工业机器人,服务机器人的精度和速度并不总是最重要的方面。其功能或目的不仅是为了娱乐,也提供帮助,指导、治疗、教育、和沟通( 3]。在评价方面,伊万诺夫et al。 8)使用问卷调查探讨伊朗人如何看待酒店机器人,特别是伊朗消费者认为机器人能做什么对他们和他们想要机器人做什么。伊万诺夫et al。 8]调查俄罗斯年轻人的态度引入机器人在酒店。Tussyadiah和公园( 9)关注客户评价酒店服务机器人。仍然有缺乏了解的内容和影响机器人服务,这就是为什么纸写。现有的研究并没有探讨在酒店的服务内容机器人或者人机交互的有效性。

人机交互是杰出的杜伦( 10分为两类:直接和间接交互。直接互动假设的一种双向沟通,展示了人类和机器人之间的地位平等。间接互动假设的一种单向通信,机器人根据用户的命令和反应行为给用户。这项工作侧重于间接交互与遥控机器人。遥控机器人是由人类从远处控制(近或远),和人类可以通过操纵杆控制机器人或指令 11]。

这项工作的目的是研究实际的服务请求由人类来实现酒店机器人通过分析历史数据收集从真正的酒店客房配备了服务机器人从2017年到2018年。这项工作试图回答这样的问题(1)什么是最受欢迎的服务请求的用户从酒店机器人,(2)什么是人类的动机与酒店机器人,和(3)多长时间用户命令给酒店机器人。此外,酒店机器人接收到的命令的响应能力是另一个有趣的话题在这工作。

剩下的纸是组织如下:部分 2回顾了当前的研究工作在酒店行业服务机器人和客户反馈他们的表现;部分 3介绍了数据资源和收集过程之后,选择的细节数据分析方法;有趣的用户命令模式,并给出了实验结果和讨论部分 4;部分 5总结整个与局限性和可能的未来的工作。

 2。文献综述

进行交互的研究,仔细回顾相关的文献有全面了解服务机器人应用程序的当前工作在相关的行业,特别是在酒店行业,和当前的技术水平和性能酒店服务机器人在现实世界。

2.1。机器人应用于服务行业

服务机器人是为了支持和服务人类通过体育和社会互动 12]。前线服务机器人,马丁斯( 13)定义如下:基于服务机器人系统的自治和自适应接口和向客户提供服务的通信。服务机器人扮演不同的角色,如宠物,同伴,秘书(或下属),和旁观者,就像与人类的关系( 14, 15]。服务机器人可以显著降低劳动力成本,他们更像比他们的替代技术和员工的“工具”( 16]。马丁斯( 13)考虑以下三个属性相关服务设计:表示,化身,任务取向。服务机器人可以有一个物理表示(如胡椒)或只有一个虚拟表示(如Alexa)。因此,我们认为,虚拟人工智能软件,可以自主运行和学习随着时间的推移也可以归类为服务机器人。服务机器人可以设计成人形机器人(如拟人化机器人),模拟人类的出现(如索菲亚)也可以设计成nonhumanoid机器人(如清洁机器人)。最后,服务机器人可以执行认知任务分析根据基本的计算机功能(如图像分析软件对医学诊断助手)或情感社会任务(如接收机器人)。

机器人广泛应用于服务行业。在家庭教育方面,韩国已开发出世界上第一台可用的电子学习家庭机器人和展示的未来机器人作为一种新的教育媒体。调查发现,家用机器人上乘推广和应用,更能集中学生的注意力和兴趣,提高他们的学习成绩 17]。桔多琪et al。 18)设计一个教育机器人平台的需要,机器人教育的小学和中学的学生。高级护理,van Osch et al。 11)开发了一种家庭护理机器人叫玫瑰,远距离控制(8公里)为老年人完成小任务。韩国科学技术研究院(KIST)已经启动了一个新项目开发老年服务机器人名叫T-Rot智能机器人中心( 6]。李和Naguib [ 19]介绍了下一代老年护理机器人的设计和实现基于创新的“家庭伴侣”的承诺和广泛的社会性和可靠性用户研究,可以用于娱乐,视频聊天,游戏,和药物提醒。的指导,Bohus,霍维茨( 20.]介绍了定向机器人可以使用自然语言来与一个或多个参与者和提供方向,办公室,会议室,和其他公共区域内的建筑,如厨房、餐厅和浴室。神田et al。 21)发明了一种机器人的一个购物中心设计的互动自然与客户和提供情感上的购物信息。林德et al。 22)实验测试跟踪机器人的性能在密集的地方机场航站楼等购物中心。在医学方面,Mirheydar和帕森斯( 23)回顾了机器人手术在泌尿外科中的应用,并指出提高机器人前列腺切除术患者的安全。Lakshmi et al。 7]介绍了设计和制造的药物传输机器人为医院提供替代保健服务。胡锦涛et al。( 24)设计了一个基于高斯过程分类计划,旨在促进多点操纵者的进一步整合和医学图像检测。

 2.2。酒店行业的服务机器人

服务自动化、人工智能和机器人技术为酒店行业提供了巨大的机会 25]。酒店机器人功能包括与游客互动和娱乐,以及身体上的援助,如运输,检查行李,和指导。( 26]。喜达屋也引入了一个机器人管家在雅乐轩酒店主要为客房提供便利( 27]。Henn-na酒店是第一个酒店雇佣机器人在整个操作从登机到自动行李交付,在使用者使用机器人来检查和护送客人到他们的房间。机器人接待员说日语或英语,根据客人的喜好。它可以设置保留的人,带他们去他们的房间,调节温度的住宿。在房间里,客人可以使用语音命令来改变灯,问时间或天气( 28]。与IBM合作,希尔顿酒店是第一个推出世界上第一个机器人礼宾服务(使用软银NAO机器人)获得知识从人工智能系统,并通知客人当地的景点,餐厅,酒店设施等。 29日]。韦恩拉斯维加斯酒店已经宣布,它将介绍亚马逊回声的声音上卷扬声器在所有房间Alexa数码助理( 30.]。到2018年底,阿里巴巴未来的第一个无人酒店“Flyzoo酒店“已投入运营 31日]。

从需求方面,经济、酒店机器人可以帮助酒店应对季节性就业和劳动力成本。Dirican [ 32)认为,人工智能,尤其是机器人服务酒店的引入,大大提高了酒店的服务效率,降低酒店的运营成本,尽管一些酒店与机器人仍然考虑投资成本高。随着劳动力成本增加,减少劳动力的可用性,降低机器人的成本,并增加机器人的功能,许多低薪服务工作在酒店行业预计将取代 33]。机器人劳工所花费的时间比支付便宜人类[ 34]。在非经济方面,使用机器人来完成一些日常任务可能被酒店经理是一个不错的选择,因为它将拯救他们的大部分问题的法律权威,工会和移民办公室,如季节性裁员。( 12, 35]。Stringam和格迪斯 36运用定量和定性相结合的方法,指出酒店的自助服务尚未导致显著减少劳动力。由于酒店技术劳动的储蓄,大多数酒店选择重新部署员工其他任务。是改善客户服务,而不是减少人员。管理机器人将不同于有形商品的管理。机器人,工作人员,和客户交流是一个重要的焦点为未来的旅行和酒店经理( 37]。

从供应方面,墨菲et al。 38]讨论了机器人的设计酒店和旅游业和机器人培训管理。酒店机器人的实现通常是与其他面部识别等技术集成,自动付款,无人驾驶飞机的交付和自主车辆( 9]。根据( 39, 40),一个机器人控制系统需要三个发展水平,包括硬件、功能和服务。硬件指的是机械设计的形状,其中包括的主要部分服务机器人感知系统(传感器),和运动系统(执行机构)。功能指的是软件体系结构的控制系统,可以实现导航、对话、视觉和语音识别、定位和映射机制和知识的表示心理模型。的增值服务是指酒店的目标是创造和保持竞争优势为客户提供服务。钟等。 41)认为,机器人是机器人的一个关键要求应该感知机器人周围的人。通过两个领域的研究自定义项目和迭代设计,编程系统的社会互动的应用移动服务机器人了。服务机器人的广泛部署的时间在酒店的任何地方将取决于什么时候可以处理技术上的限制( 42]。Zhang et al。 43)提出了一个智能酒店机器人基于ROS,简化了登记过程。洛佩兹et al。 44)提出了一个自动酒店助理系统基于一系列的移动平台,与客人互动,帮助他们完成不同的任务,包括给客户带来小物品,向他们展示的不同景点酒店,陪同客人到房间,为他们提供一般信息。

 2.3。在机器人服务质量和反馈相关工作

顾客可以感受到有价值的自助服务流程与服务机器人交互时的乐趣,享受,和好奇心 45, 46]。机器人定制与用户友好的界面设计是重要的吸引特定的新客户市场 47, 48]。尽管当前机器人技术可能不会直接补充人体综合服务,从市场营销的角度来看,服务机器人将间接吸引现有的和潜在的客户 49, 50]。张,气 51)指出,高等教育和高收入的人感兴趣的人工智能技术更期待在人工智能机器人酒店。一些作者甚至建议,营销人员应该开始考虑机器人作为景点( 52]。随着机器人的普及,好奇心将不再是客人在酒店的一个重要原因,而是将服务质量和客户满意度。许多学者研究和探索机器人的服务质量 53- - - - - - 55]。服务机器人可以通过新的有吸引力的互动服务,提高感知服务质量与顾客沟通和联系( 56]。不同于工业机器人的性能指标完全依靠效率,服务机器人的成功取决于用户满意度( 57]。机器人无法提供服务可能会严重影响客户满意度和酒店的性能( 58]。录像等。 59)发现,温暖的心互动服务的人形机器人可能与整个服务提高客户满意度。

与机器人服务客户满意度在很大程度上取决于机器人本身。因此,机器人的优化设计尤为重要。当前的研究之一是主观地获得通过客户的反馈问卷调查,民意调查( 60),二次数据分析( 61年),混合方法 62年),等等。Jeonghye et al。 14)提出了一个进化模型的服务机器人液晶触摸面板,如家用机器人,父母和孩子的问卷调查和提出重建机器人的面部表情的重要性的基础上,评价模型。Tussyadiah和公园( 9)发现,客户的感知不同类型的酒店服务机器人通过网上调查和使用不同的生物传感器测量自动情绪反应,并采用酒店服务机器人是以下几方面影响:聪明,感觉安全。另一个目的是客观优化算法,例如,Ju et al。 18Python插件管理系统)设计了一个基于机器人的机械机构设计平台来实现图形化编程来控制机器人。黄等。 63年)提出了一个multiattention-based集团推荐模型(MAGRM),实验表明,其性能在解决集团推荐问题明显比最新的技术。

上面的方法都是主观或断开客户,重要的是要找到一个目标和与客户相关的机器人优化反馈通道,如机器人优化通过服务由客户直接发布的命令。因此,本文分析了酒店机器人服务从命令的概况,通过研究消费者的什么命令机器人主要包括,是否形成了一定的模式根据时间序列,以及是否有不同的服务从命令的响应差异。目的是分析酒店的服务内容和质量机器人和指出新的方向和想法酒店机器人设计。预计为机器人的进一步优化设计,如包装预设行为模式,优化重复的命令,和人类发展来提高机器人的服务质量。

 3所示。材料和方法

对人机交互系统分析,包含大量丰富的数据源交互记录是必要的。然后,收集到的大数据集预处理去除错误的和无关的信息来减少可能的偏见的结果。清洁后基本统计分析数据集,本文采用频繁模式挖掘方法研究用户命令模式和社交网络的聚类方法,旨在帮助理解用户的动机、利益和特定的行为。

3.1。数据收集和预处理

收集到的数据从23个城市的88家酒店在中国大陆。服务机器人是装备在这些酒店789年酒店客房。机器人由机器人工厂管理系统记录所有用户命令接收到酒店房间的机器人。在这个工作中,选择在2017年命令记录的历史数据进行分析和评估目的由于机器人操作的稳定性和数据的完整性。

在用户之间的交互和酒店机器人,命令的声音。用户说出自己的请求,然后机器人收到整个句子和声音转换成简单的基于文本的命令标签的语音识别功能。收集到的数据然后预处理去除不一致的命令标签所引起的机器人系统的升级。无法识别的命令也被删除,因为他们主要是由于口音问题。预处理后,745528年从49955年酒店客户保持有效的用户命令,输入项目下一步的分析处理。

 3.2。协会分析用户命令

了解人机交互,由用户给出的命令是唯一的资源,可以仔细研究了在这种情况下。频繁模式挖掘是用来发现最受欢迎的用户命令模式。

3.2.1之上。连续的频繁模式发现从用户命令

频繁模式常用于现在最常见的或类似的特性在数据在数据集的例子。给定一组的命令,频繁模式挖掘旨在找到的规则使我们能够预测一个特定的项目的发生基于命令的其他物品。频繁模式可以由一组标准的约束 64年]。

频率的简单表单模式可以很容易地获得通过计算发生在整个数据集的总数。这通常用于找出最受欢迎的模式只有一个单独的命令。

的支持,作为一个广泛使用的限制,提出了Agrawal et al。 65年]在关联规则挖掘(ARM)算法来识别频繁模式与两个或两个以上的用户命令。让 C是所有用户的完整命令收集到的数据集 D c1和 c2两个命令从 C,也就是说, c1∈C, c2∈ C。 c1和 c2是两个不同的命令。这两个命令的支持可以获得的 (1) 增刊 c 1 , c 2 = 的相互作用包含 c 1 和 c 2 在 D 交互的总数 D 。

可以表示为一个频繁模式如果它支持分数不小于最小支持度阈值 δ , 增刊 c 1 和 c 2 ≥ δ 。经典Apriori-heuristic-based手臂不适合处理大规模数据集是非常耗时和昂贵的计算。兴趣度的概念,然后考虑到流程,以避免产生过多的无用的候选人命令模式( 66年]。只有候选模式有趣的得分高于最低兴趣度阈值可以加入下一轮的候选模式的一代。候选模式有两个命令生成基于单一命令接受支持得分在前一代;候选模式的三个命令生成候选模式两个命令,等等。利用兴趣度的计算的两个命令如下一个例子: (2) 利用 c 1 , c 2 = 增刊 c 1 , c 2 − 增刊 c 1 增刊 c 2 ≥ θ 。

在这样一种方式,计算时间和浪费可以控制在一个可接受的范围内。在这部作品中,候选人命令模式表示基于频繁模式出现的频率。原因之一是由于高重复相同的命令在一个交互模式。用户可以一个接一个相同的命令集,例如,“打开灯,关掉灯,打开灯,播放音乐,关掉灯,打开灯…”因此,强度测量约束臂不符合,在这项研究中被忽略。

这项工作的另一个特点是,实际的时间被记录,当用户把命令使收集数据时间序列数据。时间序列数据通常是在数据序列。在这个工作中,每个序列记录用户与机器人之间的互动。因此,命令模式不是随机组合的命令,和命令的顺序也很重要。

 3.2.2。社会网络分析的用户聚类

近年来,世界已经变得越来越复杂,研究团体已经做了很多工作在测量的复杂性。社交网络是一个分析和仿真的方法,尝试使用点和线之间的关系来分析复杂系统通过图形的算法特点。社会网络分析被广泛用于理解的性质和发现有用的模式代表在团队成员之间的关系( 67年]。在这部作品中,酒店客户(用户)之间的关系进行了研究基于他们的命令。数据集被重组成记录的命令序列的集合为每个单独的用户。一个 n × n 矩阵 米获得了在 n是用户命令的总数。十字路口 米 ij记录数量的情况下,命令 c 我和命令 c j在同一个集团。集团是一个子集的命令总是一起出现在所有的命令序列 68年]。计算网络中链接的总数 l = ∑ ∑ 米 我 j 。

层次聚类(Johnson, 1967)被用来命令分组为集群基于最近的命令。通过集群命令,用户的利益被发现,所谓命令总是一起密度高。社会网络分析是使用一个叫做UCINET软件实现 69年]。

 4所示。结果与讨论

本节介绍了实验结果,运用选定的方法收集数据。结果解释方法,分别,紧随其后的是整体的讨论结果。

4.1。数据集和描述性统计分析

数据清洗和预处理后,总数103个命令从收集到的历史数据中提取。表 1列出了前50名命令放置与酒店机器人的用户交互。顶部12命令有更高的频率被称为用户比其他,有超过90%的上市的命令。近70%的用户命令分为OpenLamp CloseLamp, TVOFF OpenCurtain和CloseCurtain命令。即大约90命令有不到0.4%的机会一年被称为一次。

前50名频繁的个人用户命令收到酒店服务机器人。

顶部# 命令 频率
1 OpenLamp 125855年 16.97%
2 CloseLamp 118271年 15.95%
3 TVOFF 103759年 13.99%
4 OpenCurtain 91146年 12.29%
5 CloseCurtain 78049年 10.53%
6 CloseScreen 41324年 5.57%
7 MusicPlay 33254年 4.48%
8 AirON 30307年 4.09%
9 OpenDoor 17435年 2.35%
10 TVON 15416年 2.08%
11 AirOFF 9099年 1.23%
12 OpenPowerLight 8879年 1.20%
13 MeetingModeON 2842年 0.38%
14 TVChannelChange 2629年 0.35%
15 TVVolUp 2325年 0.31%
16 ServiceON 2267年 0.31%
17 OpenBedroomLight 2236年 0.30%
18 CloseWCLight 2207年 0.30%
19 MusicStop 2045年 0.28%
20. OpenWCLight 2002年 0.27%
21 SleepModeON 1974年 0.27%
22 CloseReadLight 1972年 0.27%
23 CloseDengDaiLight 1860年 0.25%
24 OpenNightLight 1719年 0.23%
25 OpenLangLight 1503年 0.20%
26 OpenDengDaiLight 1390年 0.19%
27 OpenTopLight 1378年 0.19%
28 MusicNext 1376年 0.19%
29日 OpenReadLight 1291年 0.17%
30. OpenBedLight 1265年 0.17%
31日 蓝牙 1242年 0.17%
32 ClosePowerLight 1206年 0.16%
33 OpenLivingroomLight 1031年 0.14%
34 AirCondSet25 956年 0.13%
35 OpenJingQianLight 953年 0.13%
36 AirCool 934年 0.13%
37 AirCondSet24 933年 0.13%
38 CloseLangLight 921年 0.12%
39 OpenStudyLight 888年 0.12%
40 CloseLivingroomLight 856年 0.12%
41 AirCondSet26 852年 0.11%
42 CloseTopLight 852年 0.11%
43 TVVolDown 851年 0.11%
44 AirCondSet20 769年 0.10%
45 CloseBedLight 759年 0.10%
46 AirHeat 750年 0.10%
47 MusicPrev 713年 0.10%
48 OpenBackgroundLight 713年 0.10%
49 OpenScreen 696年 0.09%
50 AirCondSet30 688年 0.09%
4.2。基于时间的User-Robot互动分析

分析用户的活跃度命令有助于理解高峰和非高峰时期的人机交互。hour-based活动频率图呈现在图 1。一些常见的感官可以检测包括总是开始单独与用户的交互在早上醒来从6点,增加到10点左右达到第一次高潮。一小滴12点左右发现当用户离开房间吃午饭,和命令爬回来的数量迅速从下午1点,保持稳定,直到晚餐时间。高峰时间是10点左右当用户在享受娱乐的空间。仍然是一个惊喜,用户与服务机器人在午夜之后。最后,安静的时间从2点到5点。许多人呆在酒店房间和服务机器人说话。

Hour-based人机交互。

提出了一种基于月份的活动频率图在图 2。在整个一年,服务机器人在7月和8月是忙碌的,它们中的大多数都是在1月和2月闲置或待机状态。这个匹配的因素,在夏季期间,更多的酒店预订和旅行。monthly-based交互数据也表明,大多数用户住在酒店客房配备服务机器人试图与他们几乎所有的时间。服务机器人是接受用户随时呆在旅馆。

每月的人机交互。

 4.3。User-Robot交互模式发现

频繁的命令模式预计将提供一些了解用户的兴趣、行为和响应服务机器人的性能。

4.3.1。命令模式受欢迎的命令组合

在人机交互分析,主要目的是找出用户利益为服务请求时机器人。频繁的命令模式可以显示用户组的命令优先服务机器人。频繁的个人用户表中列出的命令 1。表 2- - - - - - 4名单前十名频繁模式排列的两个,三个,分别和四个命令。模式一代停在four-command以来频率和支持候选人five-command模式太低的分数有显著的影响。频率是衡量事件的总数包括重复相同的交互。交互模式时的数量也至少出现一次记录。这两个数之间的差异表明,许多有高重复单个交互模式。有这种情况的原因是复杂的,将在下面解释上下文。注意,命令的顺序是一个关键的概念被认为是在所有情况下。

十大常见的两个命令模式。

两个命令频繁模式 频率
总出现 不。的交互
CloseCurtain, CloseLamp 33255年 15250例(30.53%)
CloseScreen, TVOFF 31976年 14284例(28.59%)
CloseLamp, CloseScreen 28713年 13092例(26.21%)
OpenLamp, CloseLamp 21253年 12973例(25.97%)
TVOFF, CloseCurtain 16870年 9245例(18.51%)
OpenCurtain, CloseCurtain 11531年 7859例(15.73%)
OpenLamp, TVOFF 11410年 7417例(14.85%)
OpenLamp, OpenCurtain 10641年 8467例(16.95%)
TVOFF, OpenCurtain 9554年 6692例(13.40%)
CloseCurtain, OpenCurtain 8253年 5946例(11.90%)

十大常见的三个命令模式。

三个命令频繁模式 频率
总出现 不。的交互
CloseCurtain、CloseLamp CloseScreen 26062年 12141例(24.30%)
CloseLamp、CloseScreen TVOFF 26421年 12227例(24.48%)
CloseScreen、TVOFF CloseCurtain 7846年 4528例(9.03%)
OpenLamp、CloseLamp OpenLamp 6547年 4512例(9.06%)
CloseScreen、TVOFF OpenLamp 6128年 4356例(8.72%)
CloseLamp、OpenLamp CloseLamp 5359年 3766例(7.54%)
CloseCurtain、CloseScreen TVOFF 4896年 3596例(7.20%)
OpenCurtain、OpenLamp TVOFF 4360年 2841例(5.69%)
OpenCurtain、OpenLamp CloseLamp 3800年 3649例(7.30%)
CloseScreen、TVOFF OpenCurtain 3608年 2724例(5.45%)

十大频繁four-command模式。

Four-command频繁模式 频率
总出现 不。的交互
CloseCurtain、CloseLamp CloseScreen TVOFF 19487年 8979例(17.97%)
CloseLamp、CloseScreen TVOFF OpenLamp 4974年 3558例(7.12%)
CloseLamp、CloseScreen TVOFF OpenCurtain 2708年 2009例(2.59%)
OpenLamp、CloseCurtain CloseLamp CloseScreen 2538年 1973例(3.59%)
CloseLamp、OpenLamp CloseLamp OpenLamp 1874年 1307例(2.62%)
OpenLamp、CloseLamp OpenLamp CloseLamp 1830年 1294例(2.59%)
CloseLamp、CloseCurtain CloseLamp CloseScreen 1578年 1438例(2.88%)
MusicPlay、CloseCurtain CloseLamp CloseScreen 1332年 1184例(2.37%)
OpenCurtain、CloseCurtain CloseLamp CloseScreen 1206年 1018例(2.04%)
OpenCurtain、OpenLamp CloseLamp OpenLamp 681年 672例(1.35%)

在频繁的两个命令和三个命令模式,大多数的模式包含操作打开或关闭灯(灯)、窗帘、电视。four-command频繁模式,关闭屏幕(windows)作为新命令中可以看到大部分的模式。然而,命令模式,增加的数量和总数出现显著下降。共同的行为模式的设置,可以看到的是,用户喜欢关掉灯,窗帘、纱窗,电视在一起。区别只是把这一分之一的顺序。这些模式对于电视,用户关闭电视更频繁打开,因为电视用户输入后自动打开或回到房间很多酒店在中国地区。此外,从所有的频繁模式在这三个表,灯(灯)和窗帘开启或关闭在一起。如果窗帘被关闭,那么灯将关闭,反之亦然。它不是一个常见的情况关闭窗帘,打开灯,从哪一个可以声称,这种操作是正常做过用户上床睡觉。也证实,交互是活跃在小时末(如图 1)。打开窗帘,打开灯的模式可能会建议自然采光的房间是不够的。

找到特定行为的分析,用户试图“玩”的服务机器人将成对的命令。也就是说,当第一个命令,立即跟着另一个命令。成对的命令总是打开或关闭一个设备,如灯具、电视、窗帘、空调。这表明用户无聊,叫这些命令没有明确的目的。他们可能只是想跟服务机器人为乐趣或消磨时间。表 5在这一类中列出了前20名配对命令。而不是打开和关闭一个特定的光,用户首选的打开和关闭所有的灯,电视和空调,发现同样的情况。用户没有给出细节为了但简单、简短的命令。

前20名配对的命令。

命令1 命令2 出现的频率(总)
OpenLamp CloseLamp 21253年
CloseLamp OpenLamp 19884年
OpenCurtain CloseCurtain 11531年
CloseCurtain OpenCurtain 8253年
TVOFF TVON 7832年
TVON TVOFF 4162年
AirON AirOFF 2241年
AirOFF AirON 1524年
MusicPlay MusicStop 420年
MusicStop MusicPlay 253年
OpenWCLight CloseWCLight 250年
OpenLangLight CloseLangLight 222年
CloseWCLight OpenWCLight 149年
OpenTopLight CloseTopLight 124年
CloseBackgroundLight OpenBackgroundLight 118年
OpenLivingroomLight CloseLivingroomLight 117年
OpenBedroomLight CloseBedroomLight 113年
CloseLangLight OpenLangLight 105年
OpenDengDaiLight CloseDengDaiLight 102年
4.3.2。机器人响应分析

虽然人机交互是认定为间接只有单向通信,服务机器人的响应用户的命令是一个有趣的主题探索更多的在这一节中。

响应分析进行的这项工作是看多少次用户需要不断重复相同的命令,直到机器人采取行动或用户放弃。从上面的频繁模式分析,有一些差异的总数的事件模式和交互的模式的数量。它们不是相同的数字,在许多情况下,它们之间存在很大差距。这样做的原因是,一些在一个交互命令重复许多次。重复的命令密切观察,发现在图进行了总结 3。重复的数量为一个单一的命令每天大约是2.9,这表明服务机器人的反应仍有很大改进的余地。前20名重复命令提取分析。通过比较与最初依靠个人命令在表前50名频繁 1,17岁的20个最频繁的命令是发现有高重复。大多数命令都重复在2秒。

前20名重复用户命令。

表 6列出了前20名最重复的命令。不是所有的人都重复由于穷人响应能力的机器人。重复可能由于命令本身的性质造成的。TVVolUp,例如,MusicVolDown TVChannelADD MusicVolUp TVVolDown, TVMenuUp六命令,用户会重复几次达到他们的满意状况。,这是可以理解的用户将继续调用命令MusicVolDown把音乐音量降低到一个可以接受的金额。然而,其他命令将重复的情况下被视为糟糕的服务机器人的响应能力。ReadLightMax重复率超过85%其次是OpenPowerLight最高(81.32%)。这些命令高重复需要特别注意性能的服务机器人工厂。

前20名与大多数重复命令。

顶部# 命令 重复率(%)
1 读LightMAX 85.28
2 OpenPowerLight 81.32
3 OpenDoor 77.32
4 AirON 74.49
5 TVChannelSub 74.42
6 MusicVolDown 67.94
7 OpenCurtain 67.62
8 TVChannelADD 64.42
9 TVVolUp 60.82
10 OpenLamp 60.50
11 MusicPlay 57.89
12 蓝牙 57.57
13 TVChannelChange 54.62
14 MusicVolUp 54.03
15 CloseBedLight 53.75
16 OpenLivingroomLight 53.35
17 TVVolDown 50.65
18 CloseLivingroomLight 49.30
19 TVMenuUp 48.61
20. CloseDoor 48.12
4.4。用户命令集群

基于用户聚类的命令他们叫人机交互图所示 4。总共6个用户集群被UCINET从社会网络分析获得。他们是彩色的图 4可视化的用户组,每组所使用的命令。总的来说,一组常见的命令是发现,这证实了最受欢迎的命令切换灯一样,拉着窗帘,看电视,和玩音乐六组的所有用户的最爱。个人团体也有他们喜欢的命令。即使是相同的设备,它们有不同的操作。每组中更详细地讨论了剩下的部分。

6用户集群社会网络分析。

组1(粉红色)的最大设置命令。除了相关的命令开关电视,光,和窗帘操作,这组作品更积极地玩音乐和改变电视频道。这个组的用户可能更喜欢打开电视播放音乐,但其中的一些使用命令来调节室温。

组2(深蓝色)有活跃用户使用服务机器人主要由空调调节室温。一组温度设置命令,像“Aircondset25”,“Aircondset24”,“Aircondset26”检测到“Aircondset20”等等这类。温度范围从17°C至29°C之间,这属于正常的人体外部温度调整。这个用户组更关注操作与准确的需求而不是一些一般性的命令优先组1。

组3(浅蓝色)是一个小的边缘地区。更多的这组使用的命令是对电视和音乐与娱乐有关的操作。他们用“蓝牙”与自己的智能设备和在电视上播放音乐。他们还使用了“Checkouton”命令之前通知服务机器人离开了房间。它们可以表示为酒店前卫的客户。

组4(绿色)经常使用机器人要求客房服务。这组用户“Nodisturbon”和“Cleanon”呼吁清洁服务。他们也看了收费电视频道而不是浏览noncharge频道。这些客户更喜欢保持酒店房间作为他们的私人空间,都有很强的控制活动的空间。

集团5(黄色)和6(棕色)两组的用户花更多的时间在房间调整开关灯具照明。这两组不与其他组共享很多重叠;特别是集团6命令只有一个连接。这两组有很高的利益特别的灯光在不同位置的房间。他们不使用通用命令来打开或关闭所有的灯,但是仔细,显然给了灯的名字。这种行为显示了用户移动很多房间里。他们是能源储户在小范围使用单个灯。

 4.5。讨论

从上面的分析结果,获得大量的问题和有价值的点需要特别注意从酒店管理和技术专家在服务机器人工厂。

理论方面的贡献,本文进行了深入的分析,提供的服务机器人从服务业的角度。有别于传统的机器人研究,它紧密集成了人类的感情和机器人设计和提供更多的知识。此外,本文提出了一个酒店机器人通过一个命令模式的复杂网络分析大量的机器人的命令。这是一个创新的服务机器人研究的尝试。

的实际贡献,机器人需要改进的人机交互性能。从相同的命令在同一分钟,接受客户订单,机器人有一定的问题,这些问题有很多原因。例如,客户说普通话的口音使机器人不会认不出来,或者客户听不清的声音。酒店机器人缺乏语义理解客户命令,这意味着现在酒店机器人主要是使用关键字匹配和提供搜索结果根据客户的命令。认不出来或外部环境干扰因素太多不能删除的机器人。不管可能的原因,开发人员还在等待在人机交互提高机器人的性能。

客户进行一个奇怪的操作。典型的表现是,客户说许多不同类型的操作命令在很短的时间内,因此客户,是好奇,是一个缓慢的过程,尝试,尝试,并接受服务机器人。由于对新事物的好奇心,客户愿意发出不同的命令机器人。有两种心态,一个是机器人的性能的验证,和其他的尝试新事物。不管出于何种心态,有利于未来服务机器人的广泛使用。重复试验后,客户有一个感官的感觉关于机器人的性能和服务质量。此外,由于客户越来越适应酒店机器人和失去兴趣,本文为制造商提供了一个很好的理由来改善他们的服务机器人。这是至关重要的后续客户的意愿继续使用或住在一间酒店和一个机器人。以下组件又可以促进客户的拜访;一方面,这是一个很好的试验经验; on the other hand, it can bring convenience and comfort to customers. Of course, contrary to these two components, due to poor trial experience and complex or infinite operations, customers will be greatly reduced in the use and expectation of the robot.

操作指令太有限了。从操作的类型的角度说明整整一天,大部分的操作指令控制型指令。这些指令只能满足客户的常规需求,,很难给客户做一个深刻的印象,并敦促客户再次访问的冲动。这主要是由于酒店的狭窄范围机器人服务。建议机器人设计师去酒店体验产品的现场经验,考虑顾客的潜在需求,从客户的角度来看,和开发一些操作指令,可以给客户留下深刻印象。例如,室内温度自动监控和调整,人体温度自动监测、潜在危险自动报警,客户需求输入和实现,和客户卫生保健;只有通过开发这些订单,我们才能抓住客户的心,促进和使用服务机器人。

 5。结论

提出了一种首先研究人机交互在中国酒店在客户和服务机器人之间。不同于其他服务机器人的研究更关注技术问题在机器人设计、开发、绩效评估,这工作利用真实的数据收集的生活之间的交互客户和酒店房间的机器人采用频繁模式挖掘和社会网络分析技术找出酒店客户的兴趣、动机和行为,当他们与服务机器人交互。

共有103用户命令被超过49955的酒店客户在他们停留在中国23个城市的88家酒店,频繁的命令模式表明,大部分的客户称为服务机器人做简单的操作,如打开或关闭灯光,电视、窗帘、纱窗。酒店客户有特殊偏好服务当他们与服务机器人。有些人喜欢尝试一个大范围的服务;一些喜欢给准确的命令来调整空间环境;一些花时间在娱乐酒店客房;一些花时间享受自己在酒店房间私人空间;和其他治疗服务机器人作为一个公司来消磨时间不断重复相同的命令。机器人也发现反应迟钝一些用户的命令,和潜在的改善预计在不久的将来。

因为这是第一个这方面的工作,有一定的局限性进行了研究。从机器人收集的原始数据由工厂管理系统由于系统升级包含命令标签不一致。只使用的数据在2017年完成这项工作。用户的信息缺乏在这工作由于隐私问题,因为他们的个人信息不能共享的酒店。此外,社会网络分析是否适用于机器人命令需要仔细研究。然而,这些问题并没有阻止这项工作发现有用的知识来理解酒店客户与服务机器人互动,这是一个了不起的一步在未来人机交互的研究。这些发现帮助酒店管理调整服务客户感兴趣,机器人可以提供什么。

 数据可用性

数据是由机器人公司,不能被释放。

 的利益冲突

作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。

 作者的贡献

莉娜钟负责概念化,方法,写作,和资金收购。杨Liyu导致了文献综述。佳荣审查和编辑手稿和监督。李Xiaonan负责软件和形式分析。

 确认

本研究支持的北京社会科学基金会授予19号jdxca005和18 jdglb013和中国国家自然科学基金批准号71673015。

 伊万诺夫 年代。 韦伯斯特 C。 感知到的适当性和意图使用旅游服务机器人 国际会议在尼科西亚 2019年 可汗、瑞士 施普林格 237年 248年 10.1007 / 978 - 3 - 030 - 05940 - 8 - _19 国际机器人联合会 联合国 欧洲经济委员会 2002年世界机器人:统计、市场分析、预测,机器人投资的案例研究和盈利能力 2002年 纽约,纽约,美国 联合国出版物 柴田 T。 人类心理的互动机器人浓缩的概述 IEEE学报》 2004年 92年 11 1749年 1758年 10.1109 / jproc.2004.835383 2 - s2.0 - 20844458717 既然 M . M。 法拉吉 年代。 我为什么要分享吗?考察社会资本和知识贡献的电子网络练习 MIS的季度 2005年 29日 1 35 57 10.2307 / 25148667 伊万诺夫 s . H。 韦伯斯特 C。 设计robot-friendly酒店设施 《科学会议旅游。创新。策略 2017年 布尔加斯、保加利亚 74年 81年 金 M。 金 年代。 公园 年代。 崔 M.-T。 金 M。 戈马 H。 为老年人服务机器人 IEEE机器人和自动化》杂志 2009年 16 1 34 45 10.1109 / mra.2008.931636 2 - s2.0 - 64049094707 拉克希米 n K Rajakumar G。 库玛 d·n·M。 书中 我。 迦勒 V。 Arshadh H。 为医院医学交付的设计和制造机器人 学报最近的趋势在国际会议上计算、通信和网络技术(ICRTCCNT) 2019年10月 印度钦奈,Tamilnadu 10.2139 / ssrn.3432156 伊万诺夫 年代。 韦伯斯特 C。 Garenko 一个。 年轻的俄罗斯成年人的态度可能在酒店使用的机器人 技术在社会 2018年 55 24 32 10.1016 / j.techsoc.2018.06.004 2 - s2.0 - 85048152116 Tussyadiah i . P。 公园 年代。 消费者评价酒店服务机器人 在2018年旅游信息和通信技术 2018年 可汗、瑞士 施普林格 308年 320年 10.1007 / 978 - 3 - 319 - 72923 - 7 -大于 杜伦 年代。 对一个人机交互的框架 人机交互 2004年 19 1 - 2 9 24 10.1207 / s15327051hci1901&2_2 范Osch M。 贝拉 D。 范中叙述 K。 角 Y。 Zeegers H。 遥控服务机器人:玫瑰 自动化建设 2014年 39 152年 160年 10.1016 / j.autcon.2013.06.009 2 - s2.0 - 84894902076 贝尔齐纳河 年代。 Stainslav h . I。 韦伯斯特 C。 采用自动化的机器人和服务的旅游和酒店公司 航空杂志上的高级跑车& Desenvolvimento 2017年 27 1501年 1517年 马丁斯 一个。 勇敢的新世界:服务机器人在前线 《服务管理 2018年 29日 5 907年 931年 10.1108 / josm - 04 - 2018 - 0119 2 - s2.0 - 85054004996 Jeonghye H。 Jaeyeon l Youngjo C。 服务机器人的进化作用模型和基本情绪源自电脑 程序的国际研讨会上机器人和人类互动交流 2005年8月 美国纳什维尔TN IEEE 30. 35 10.1109 / ROMAN.2005.1513752 诺曼 D。 德雷伯 s W。 用户为中心的设计:人机交互的新视角 1986年 山谷,新泽西,美国 劳伦斯Erlbaurn同事 韦伯斯特 C。 伊万诺夫 年代。 采用机器人,人工智能和自动化的服务旅游,旅游业和酒店公司的成本效益分析 人工智能和服务自动化的旅行 2017年 彬格莱先生,英国 翡翠集团出版 Jeonghye H。 Miheon J。 Sungju P。 Sungho K。 教育儿童家用机器人的使用 程序的国际研讨会上机器人和人类互动交流 2005年8月 美国纳什维尔TN IEEE 378年 383年 10.1109 / ROMAN.2005.1513808 居 一个。 陈 D。 唐 J。 基于图形编程设计教育机器人平台 先进的智能系统和计算 2019年 1117年 新加坡 施普林格 国际会议上为Cyber-Physical-Systems大数据分析 10.1007 / 978 - 981 - 15 - 2568 - 1 - _53 李 年代。 Naguib a . M。 善于交际和可靠的老年护理机器人:设计、实现和用户研究 《智能与机器人系统 2019年 98年 11 5 17 10.1007 / s10846 - 019 - 01028 - 8 2 - s2.0 - 85065710025 Bohus D。 霍维茨 E。 方向:机器人在野外经验和教训 国际会议自治代理诉讼和多重代理系统 2014年5月 法国巴黎 637年 644年 神田 T。 Shiomi M。 Miyashita Z。 石黑浩 H。 Hagita N。 一个情感引导机器人在一个购物中心 学报》国际会议HumanRobot交互 2009年10月 圣地亚哥,加州,美国 ACM和IEEE 173年 180年 10.1145/1514095.1514127 2 - s2.0 - 67650671560 林德 T。 布鲁尔 年代。 莱布 B。 阿拉斯 k . O。 多人们移动平台的跟踪非常拥挤和动态的环境 自主机器人系统国际会议和比赛 2016年5月 斯德哥尔摩,瑞典 IEEE 5512年 5519年 10.1109 / ICRA.2016.7487766 2 - s2.0 - 84977491454 Mirheydar h·S。 帕森斯 j·K。 扩散的机器人为临床实践在美国:过程,患者安全,学习曲线,和公众健康 世界泌尿学杂志》 2013年 31日 3 455年 461年 10.1007 / s00345 - 012 - 1015 - x 2 - s2.0 - 84878242077 胡 J。 太阳 Y。 李 G。 江 G。 道 B。 概率分析把握规划面临的医疗机器人领域 测量 2019年 141年 227年 234年 10.1016 / j.measurement.2019.03.010 2 - s2.0 - 85064544545 丽兹 G。 好客和prosumption 酒店管理研究 2015年 5 1 9 17 10.1080 / 22243534.2015.11828323 亚历克西斯 P。 R-tourism:引进机器人和服务自动化的潜在影响旅游业 Ovidius大学年鉴、经济科学系列 2017年 17 1 211年 216年 骗子 J。 喜达屋介绍机器人管家在库比蒂诺雅乐轩酒店 2014年 https://techcrunch.com/2014/08/13/starwood-introduces-robotic-butlers-at-aloft-hotel-in-palo-alto/ 《卫报》 日本的机器人酒店:一只恐龙在接待,客房服务的机器 2015年 https://www.theguardian.com/world/2015/jul/16/japans-robot-hotel-a-dinosaur-at-reception-a-machine-for-room-service 希尔顿 希尔顿和IBM试点“康妮”,世界上第一个watson-enabled酒店礼宾部 2016年 http://newsroom.hilton.com/index.cfm/news/hilton-and-ibm-pilot-connie-the-worlds-first-watsonenabled-hotel-concierge HotelManagement.net 拉斯维加斯永利补充说亚马逊所有客房回声 2016年 http://www.hotelmanagement.net/tech/wynn-lasvegas-adds-amazon-echo-to-all-hotel-rooms 梁 c . L。 未来酒店来了,阿里巴巴打开第一个无人酒店 京荣戴纪实 2018年 11 91年 Dirican C。 人工智能机器人技术的影响,在商业和经济学 Procedia-Social和行为科学 2015年 195年 564年 573年 10.1016 / j.sbspro.2015.06.134 弗雷 c . B。 奥斯本 m·A。 未来的就业:工作通过计算机有多敏感? 技术预测和社会变革 2017年 114年 254年 280年 10.1016 / j.techfore.2016.08.019 2 - s2.0 - 84999828423 大泽生 H。 教育津贴 一个。 服部年宏 H。 什么是真正的风险和效益与机器人工作吗?从机器人的分析酒店 学报2017年国际会议上的同伴人机交互 2017年3月 奥地利的维也纳 ACM和IEEE 10.1145/3029798.3038312 2 - s2.0 - 85016395190 郭 C.-M。 陈 L.-C。 曾 彭译葶。 调查一个创新服务与酒店机器人 国际现代酒店管理杂志》上 2017年 29日 5 1 17 10.1108 / ijchm - 08 - 2015 - 0414 2 - s2.0 - 85019734221 Stringam B . B。 格迪斯 j . H。 在酒店行业的自动化服务 《全球会议服务管理(GLOSERV 2017) 2017年10月 沃尔泰拉、意大利 墨菲 J。 Gretzel U。 Pesonen J。 在酒店和旅游营销机器人服务:神人同形同性论的作用 旅游业市场营销杂志》上 2019年 36 7 784年 795年 10.1080 / 10548408.2019.1571983 2 - s2.0 - 85061573989 墨菲 J。 Hofacker C。 Gretzel U。 曙光在酒店和旅游时代的机器人:挑战教学和研究 欧洲旅游研究杂志》上 2017年 15 104年 111年 Haidegger T。 Barreto M。 Goncalves P。 应用服务机器人本体和标准 机器人和自治系统 2013年 61年 11 1215年 1223年 10.1016 / j.robot.2013.05.008 2 - s2.0 - 84885328868 Zalama E。 Garcia-Bermejo j·G。 马科斯 年代。 Sacarino,服务机器人在酒店环境 ROBOT2013:首先伊比利亚机器人技术会议,智能系统的发展和计算 2014年 253年 可汗、瑞士 施普林格 10.1007 / 978 - 3 - 319 - 03653 - 3 _1 2 - s2.0 - 84930456481 钟 m . J.-Y。 黄 J。 高山 l 高山 l 刘 T。 Cakmak M。 迭代设计的系统编程社会互动服务机器人 社会机器人 2016年 9979年 可汗、瑞士 施普林格 919年 929年 10.1007 / 978 - 3 - 319 - 47437 - 3 - _90 2 - s2.0 - 84992530956 下巴 中州。 李 H.-P。 苏 C.-W。 人机交互的框架设计 先进技术、嵌入式和多媒体为以人为中心的计算 2014年 260年 多德雷赫特,Netharlands 施普林格 1043年 1048年 课堂讲稿电气工程 10.1007 / 978 - 94 - 007 - 7262 - 5 - _118 张 Y。 王 X。 吴 X。 张 W。 江 M。 Al-Khassaweneh M。 智能酒店ROS-based服务机器人 电子信息技术国际会议(EIT) 2019年5月 美国布鲁金斯学会SD IEEE 10.1109 / eit.2019.8834040 2 - s2.0 - 85072818781 洛佩兹 J。 佩雷斯 D。 Zalama E。 Gomez-Garcia-Bermejo J。 使用移动机器人BellBot-a酒店助理系统 国际先进的机器人系统杂志》上 2013年 10 1 40 52 10.5772/54954 2 - s2.0 - 84872960902 Chtourou m . S。 Souiden N。 反思TAM模型:考虑乐趣的时候了 消费者营销杂志》 2010年 27 4 336年 344年 10.1108 / 07363761011052378 2 - s2.0 - 77954231801 Gronroos C。 Ravald 一个。 服务业务逻辑:对价值创造和市场营销的影响 《服务管理 2011年 22 1 5 22 10.1108 / 09564231111106893 2 - s2.0 - 79952332348 Morosan C。 DeFranco 一个。 共同创造价值的使用酒店交互技术:研究意图和转换 国际现代酒店管理杂志》上 2019年 31日 3 1183年 1204年 10.1108 / ijchm - 04 - 2018 - 0314 2 - s2.0 - 85061431606 谢勒 一个。 Wunderlich n V。 冯Wangenheim F。 帕德伯恩大学 苏黎世 e·t·H。 自助服务的价值:长期科技型使用自助服务对顾客保留的影响 MIS的季度 2015年 39 1 177年 200年 10.25300 / misq / 2015/39.1.08 2 - s2.0 - 84940379598 巴雷特 M。 剑桥大学 戴维森 E。 服务创新在数字时代:关键的贡献和未来的发展方向 MIS的季度 2015年 39 1 135年 154年 10.25300 / misq / 2015/39:1.03 2 - s2.0 - 84938680758 Kindstrom D。 Kowalkowski C。 桑德伯格 E。 使服务创新:动态能力的方法 商业研究杂志》 2013年 66年 8 1063年 1073年 10.1016 / j.jbusres.2012.03.003 2 - s2.0 - 84877651966 张 Y。 气 年代。 不 f . H。 Siau K。 用户体验研究:酒店客人的服务期望利用基于ai服务机器人提供全方位服务的酒店 人机交互在商业、政府和组织。电子商务和消费行为 2019年 11588年 可汗、瑞士 施普林格 课堂讲稿在人机交互计算机科学国际会议 10.1007 / 978 - 3 - 030 - 22335 - 9 -大于 2 - s2.0 - 85069831658 伊万诺夫 s . H。 韦伯斯特 C。 机器人作为一个消费者:研究议程 《营销:经验和视角的会议 2017年6月 保加利亚 Economics-Varna大学 71年 79年 崔 Y。 崔 M。 哦 M。 金 年代。 在酒店服务机器人:了解人机交互的服务质量感知 酒店营销与管理杂志》上 2019年 1 23 10.1080 / 19368623.2020.1703871 金 Y。 李 h·S。 质量、感知有用性、用户满意度和意图使用:一个实证研究个人机器人无处不在的服务 亚洲社会科学 2014年 10 11 1 16 10.5539 / ass.v10n11p1 2 - s2.0 - 84901916575 Pinillos R。 马科斯 年代。 祝你快乐 R。 Zalama E。 Gomez-Garcia-Bermejo J。 长期的评估服务机器人在酒店环境 机器人和自治系统 2016年 79年 40 57 10.1016 / j.robot.2016.01.014 2 - s2.0 - 84958580909 郭 C.-M。 陈 L.-C。 曾 彭译葶。 调查一个创新服务与酒店机器人 国际现代酒店管理杂志》上 2017年 29日 5 1305年 1321年 10.1108 / ijchm - 08 - 2015 - 0414 2 - s2.0 - 85019734221 Bartneck C。 神田 T。 Mubin O。 艾尔·马哈茂德 一个。 机器人的设计是否影响其为了更好和感知到的情报? 国际社会机器人技术杂志》上 2009年 1 2 195年 204年 10.1007 / s12369 - 009 - 0013 - 7 2 - s2.0 - 78649835732 Melian-Gonzalez 年代。 Bulchand-Gidumal J。 一个连接信息技术和酒店绩效的模型 旅游管理 2016年 53 30. 37 10.1016 / j.tourman.2015.09.005 2 - s2.0 - 84942163068 录像 J。 Kuramoto 我。 巴巴 J。 浩平表示 O。 Yoshikawa Y。 石黑浩 H。 一个人形机器人参与暖人心房的交互服务在一个酒店吗? 学报第六届国际会议上人类主体的互动 2018年12月 南安普顿,英国 10.1145/3284432.3284448 2 - s2.0 - 85060701199 哈德逊 J。 Orviska M。 Hunady J。 人们的态度在照顾老年人的机器人 国际社会机器人技术杂志》上 2017年 9 2 199年 210年 10.1007 / s12369 - 016 - 0384 - 5 2 - s2.0 - 85018733312 杨ydF4y2Ba H。 盎 m . H。 粪便 a . N。 一项调查显示在社交机器人感知人机交互的方法 国际社会机器人技术杂志》上 2014年 6 1 85年 119年 10.1007 / s12369 - 013 - 0199 - 6 2 - s2.0 - 84896257146 皮诺 M。 布雷 M。 Jouen F。 ·里歌德交谈 答:S。 “我们准备机器人照顾我们吗?“老年人对社会的态度和观点辅助机器人 老化神经科学前沿 2015年 7 141年 10.3389 / fnagi.2015.00141 2 - s2.0 - 84938693429 黄 Z。 徐 X。 朱 H。 周 M。 一个高效的组织推荐和multiattention-based神经网络模型 IEEE神经网络和学习系统 2020年 在新闻 10.1109 / tnnls.2019.2955567 吴 X。 张 C。 张 年代。 高效的正负关联规则挖掘 ACM交易信息系统(钢铁洪流) 2004年 22 3 381年 405年 10.1145/1010614.1010616 2 - s2.0 - 3843055627 Agrawal R。 Imieinski T。 阁下 一个。 Buneman P。 Jajodia 年代。 在大型数据库中挖掘关联规则集之间的物品 ACM SIGMOD国际会议的程序数据的管理 1993年5月 美国华盛顿特区 207年 216年 10.1145/170035.170072 李 G。 法律 R。 荣 J。 Vu h . Q。 把正面和负面关联规则的分析在香港出境旅游 旅游业市场营销杂志》上 2010年 27 8 812年 828年 10.1080 / 10548408.2010.527248 2 - s2.0 - 78650107089 胡 C。 Racherla P。 知识网络的可视化表示:酒店的社会网络分析的研究领域 国际酒店管理杂志》上 2008年 27 2 302年 312年 10.1016 / j.ijhm.2007.01.002 2 - s2.0 - 38949100468 Borgatti s P。 埃弗雷特 m·G。 约翰逊 j . C。 分析社交网络 2013年 美国加州千橡市 圣人出版有限公司 Borgatti s P。 埃弗雷特 m·G。 弗里曼 l . C。 UCINET对Windows:社会网络分析软件 2002年 美国肯塔基州列克星敦 分析技术