文摘

为了提高的意愿持续使用的移动社交网络信息服务,本研究结合用户行为感知分析的连续使用移动社交网络信息服务,提出了一种基于服务质量的感知数据覆盖优化策略。此外,本研究措施参与者的地区性的偏好基于参与者在感知区域的持续时间和历史的数量在感性知觉任务完成。此外,本研究设计一个感知数据覆盖优化算法优化感知数据覆盖和确保实时感知数据的有效性。通过算法的研究和系统的评价,可以看出,移动社交网络的持续使用意愿系统基于用户行为的感知信息服务可以满足实际的需求。

1。介绍

移动位置服务有许多分类方法,包括划分的方法根据是否需要定位,划分的方法根据服务请求方法,划分的方法根据当前位置定位,等等。但是,到目前为止,最常见的分类方法是根据服务使用移动位置服务。根据服务使用,移动位置服务可分为两类:个人应用和工业应用。移动事务服务是基于定位技术,通过移动支付用户进行电子商务交易。移动位置服务的主要模式在工业应用领域是确定用户通过定位技术的特定位置,从而实现监控或调度和其他工作的应用程序。它主要包括紧急救援服务、车辆监控和调度,人员调度等功能。

LBSNS(基于位置的社交网络服务)是一个服务功能项目,集成了两个函数的“位置”和“社交网络。“这可以翻译为“移动位置社交网络服务”或“社会网络的位置服务。“目前,学术研究没有统一的翻译名词。LBSNS之间的区别和浏览社交网站随时随地通过手机等移动客户是它强调了双赢的位置和社交网络的意义。通过确定其位置在软件,用户可以积极在社交平台上发布和分享。他们不仅可以找到附近的朋友附近的位置,还搜索折扣信息企业和询问最新的活动和服务的各种企业与社交网站合作。

本研究分析了愿意使用移动社交网络信息服务根据用户行为感知和智能模型结合为后续研究提供一个理论参考使用移动社交网络信息服务的意愿。

2。相关工作

在LBS应用模式的研究领域,学者们从不同的角度讨论了LBSNS:杜丽婷移动社交网络服务的模式和功能分析,以及通信特点从沟通的角度来看,提供研究LBSNS的商业价值的开发。它具有一定的参考意义1]。文献[2]研究LBS的发展从沟通的角度来看,相信磅和社交媒体的整合中存在两种形式:一种是一个特殊的磅社交网站,另一个是一种LBS技术形成的其他社交网站。社会交往模式。磅的一体化进程和网络媒体、用户隐私保护,信息真实性,市场需求仍然需要调整,避免3]。文献[4)做了一个详细的分析的优点和缺点磅人际沟通,并与真实的人际关系。提出磅人际沟通模式会导致显著的异化,影响正常的人际关系在现实中,并减少现实生活中的人际关系。人际交往能力,增进了信任危机,退化人际责任,甚至磅社交互动将成为犯罪分子的犯罪工具。文献[5)提出了相应的改进建议,促进健康发展LBS的人际沟通和人际关系。另一个研究的角度是探索磅从业务服务的角度。文献[6)提出基于位置的业务信息服务已经悄然出现在中国,和如何连接企业与周边消费者的需求是LBS发展的坚实基础。文献[7]提供的见解和预测未来的发展趋势LBSNS通过研究信息采集、共享、位置服务社交网络隐私保护,用户标识和位置识别。文献[8]分析了LBS应用到团购行业的可行性,并讨论了存在的问题和建议改进的基于LBS的团购的网站。文献[9总结和分析了移动电子商务营销模式基于LBS基于相关领域的情况下移动电子商务和移动电子商务的发展趋势预测基于LBS。文献[10)提出了移动LBS发展业务的前景和LBS应用创新的策略通过SWOT分析模型并进行了一个简单的LBS系统规划和设计的工业应用磅个人实际需要的产品。文献[11)构建一个磅团购业务采用模型和验证的假设认为信任、感知有用性和易用性,和网络外部性是重要的因素,影响使用磅团购意愿。文献[12)使用理论分析工具和移动运营商和咨询公司的数据分析报告来分析和研究发展现状,影响因素,利润模型,和LBS产业的发展趋势,促进LBS产业的发展,并提供建议电子服务的特征。

没有很多研究用户行为在我的国家。学者们研究了LBS的发展从用户的角度通过不同的理论视角和深度讨论。文献[13)评估特定质量元素的重要性,从用户感知的角度,提出了运营商的重点改进方向。文献[14]提出了四个假设磅的态度和行为信息获得用户和相关结论,大学生分发调查问卷,收集数据和分析。文献[15]介绍了自身建设的理论,提出了一种模型,用户接受移动位置服务,自身建设和验证;文献[16]运用社会资本理论来分析LBS的人际沟通的影响对个人网络资本、信息资本、信用资本、情感、和资本的影响。文献[17]介绍了影响因素,如个人从众的原始模型TAM用户,构建一个新的假设模型,验证假设,提出了移动位置服务产业的发展建议。文献[18结合信息系统成功的理论。结合信息系统的成功理论,信息质量、系统质量的影响提出了感知有用性和易用性,和一个新的研究模型移动位置服务的使用意向的影响因素。文献[19)研究和分析用户的消费模式的角度位置数据和完成一个智能系统集成事件检测、事件的预测和评估客户的数量。文献[20.]研究LBSNS的用户登记数据,分析和预测用户行为方面的空间,时间,和社会互动,建立了位置预测模型通过使用的主要因素,影响用户的移动行为获得的研究。

3所示。基于用户行为的感知社会网络信息服务

感知数据覆盖优化过程如图1。

参与者收集感知数据根据自己的意志。如果参与者的意愿很低,这意味着执行认知任务的参与者的热情不高。显然,参与者的服务质量较低,所以有必要测量参与者的意愿。我们假设参与者的集合 。考虑到MCS通常用于场景具有较强的实时和高复杂性,我们假设 是知觉任务的集合划分由平台根据时间和地理位置等因素。此外,如果我们假设参与者执行认知任务 ,然后知觉任务的开始时间是 ,结束时间是 ,和感知时间的任务吗 。如果开始执行认知任务一次的 ,那么明显的价值范围是 ,和做决定的时间的认知任务是 。如果时间在这开始执行认知任务接近开始时间认知任务的更有动力去执行认知任务,从而有更高程度的意愿。此外,可能会有一个本位主义在测量参与者的意愿由单一因素,所以剩下的电池供电的参与者的移动设备也被认为是在这里。如果剩余的力量值移动设备的参与者是大的,那么有更多的意愿执行认知任务而不影响移动设备的使用,和更高的意愿吗在这个时间。因此,参与者的意愿来执行认知任务可以测量根据参与者的决策时间吗认知任务剩下的力量的移动设备。当参与者开始执行认知任务的同时任务的开始时间,决定时间的来这个时候是0,这意味着参与者执行任务时立即开始。因此,意愿参与者可以判定为1。总之,参与者的意愿的量化方法见公式(1):

其中,代表了移动设备的总功率,代表总数的参与者执行认知任务 ,和 代表是否参与者的决策时间为低于其他参与者。

考虑到参与者的时间和空间特征的运动轨迹,参与者的地区偏好不仅相关参与者执行的次数知觉任务在同一区域的位置也参与者的知觉任务的持续时间在区域位置。我们假设该地区的位置感知任务是 。在参与者的历史认知任务列表 ,如果在区域位置执行认知任务更多的时间和任务的持续时间更长,那么参与者对区域的位置有一个更高的偏好 。此外,下次的感知任务区域的位置执行,实时感知数据的有效性可以保证,服务质量越高的参与者在这个时间。如果参与者是首次执行认知任务,那么的历史认知任务列表是空的,所以平台集地区偏好为0,表明没有区域的偏好。

如果history-aware任务列表非空的,那么在history-aware任务,次数越多执行认知任务,持续时间越长呆在该地区的位置在认知任务的执行。在这个时候,这意味着该地区偏好的参与者更大。参与者的地区偏好测量的参与者感知任务执行的次数和感知任务执行的时间。此外,考虑到的次数知觉任务执行 ,执行认知任务的持续时间对参与者有不同程度的影响的地区优先 ,和的计算方法如下:

其中,和代表的次数执行认知任务和感知任务的持续时间 ,分别为,的次数执行认知任务区域的位置 。 的总数乘以参与者执行知觉任务,然后呢和是时候开始和结束的知觉任务区域的位置 ,分别。和开始时间和结束时间知觉任务地区的位置吗 ,分别。此外,体重代表的程度的影响在 , 代表的程度的影响在 ,和 。

为了客观地反映的影响和在 ,本节使用熵权法计算 。同时,考虑数据维度和数量级的差别和 ,可以计算中的错误 。因此,我们首先正常化和 ,如以下公式所示:

其中,是参与者的数量表现在区域位置感知任务吗在历史认知活动, 。此外,和代表的平均值和标准偏差 ,分别如下公式所示:

其次,为了获得的信息熵 ,首先,根据公式(3),比例的归一化后可以获得, 。然后,信息熵的根据获得 ,如以下公式所示:

最后的重量根据熵权获得吗 ,对应的信息熵的 ,如以下公式所示:

意愿越高的 ,更积极地参与感知任务,更有效地实时感知数据可以得到保证。此时,服务质量的是更大的,所以意愿程度的成正比 ,也就是说, :

如果参与者不是第一次执行认知任务,那么服务质量呢的需要测量根据其意愿和地区偏好,所以服务质量如下:

我们假定在每一个知觉任务,参与者需要提交数据 次了。参加者只需要去相应的目标点收集感知数据。此外,在实际情况下,感知信息的数量提供的目标点是不一样的,所以假设 的重量是 ,和 。显然,当参与者还没有开始执行认知任务 ,的价值是0。当开始执行认知任务 ,随着目标数量的点覆盖的感知数据增加时,知觉覆盖率也增加。因此,感知数据覆盖的参与者的q-th提交下列公式所示:

其中,数据中包含的是目标点的数量被参与者吗 ,和 。

我们假设 的参与者f提交感知数据的任务q-th时间。如果感知数据提交的参与者和包含相同的目标点,然后同一目标点被认为是只有一次在计算感知数据覆盖。因此,参与者的覆盖集下列公式所示:

其中,代表相同的参与者的目标点集和代表不同的目标点。

我们假设平台的满意度。如果之间的区别和很小,那么的价值呢很大。此外,由于和以矩阵的形式表示,这一节使用弗罗贝尼乌斯规范量化的区别和评价满意度 ,如以下公式所示:

其中,代表了弗罗贝尼乌斯常态。

从上面可以看出,该平台不仅需要优化感知数据的覆盖率。假定参与者的效用是 。如果效用值的高,那么参与者不仅保证了实时感知数据的有效性,也感知数据的覆盖率在执行认知任务。

其中, 表示参与者的满意度与平台。如果满意度高,那么感知数据的报道是很高的。

我们假设平台选择参与者的感知数据集 知觉任务集 。为了最大化的效用参与者集合 ,本节首先定义了感知数据覆盖优化问题,如以下公式所示:

的效用增加,它需要得到更多的参与者的感知数据,所以公式(13)转化为下面的公式:

其中, 认知任务的比例吗 。这显然会影响平台选择的参与者的感知数据,从而影响知觉的覆盖率数据。因此,根据参与者的效用和奖励,平台选择参与者的感知数据接待效率在每个迭代中,最高的效率 的参与者下列公式所示:

从上面的公式可以看出,如果参与者的奖励较高,这显然会影响效率的增长 。

提出DCSQ策略由MATLAB验证,和DCSQ策略比较IMRA策略和CrowdTasker策略下不同数量的参与者和不同的预算。同时,覆盖率,总感觉时间和参与者的总回报参数下的三种策略进行了分析。

图2分析变化的影响感知数据覆盖当参与者人数的变化。

在图3,可以看出越来越多的参与者,参与者根据变化的总回报快速增长的法律,然后几乎是稳定的。与CrowdTasker策略相比,DCSQ策略的实时有效性还考虑参与者的感知数据,所以总奖励DCSQ参与者的策略是最小的。

图4比较了总感觉时间的变化对不同数量的参与者的任务。

总回报的参与者和总感觉时间在不同平台的预算数据所示5- - - - - -7。其中,图5反映了变化的感知数据覆盖三种策略在不同平台的预算。随着平台的预算增加,感知数据覆盖范围增加到一定程度,然后保持稳定。

在图6的总回报参与者先增加,然后稳定平台预算增加。原因在于,随着平台的预算增加,平台选择获得更多参与者感知数据。在图7随着平台的预算增加,总感觉时间先减小然后慢慢稳定下来。

4所示。持续使用意图的移动社交网络信息服务基于用户行为的感知

信息质量、服务质量和系统质量对满意度产生影响。因此,在这项研究中,其构造二维变量和满意度之间的关系。因为信息质量、系统质量和服务质量作为影响变量来描述用户的特定目标postuse期望,期望确认删除变量。所构造的用户意图模型如图延续8(一个)。

从用户行为的角度感知、ECM-ISC模型的基础上,本研究结合享乐理论和群理论认为快乐,模仿他人,而不是完全相信他们有作为模型变量的信息。此外,本研究介绍了习惯持续使用意向和行为之间的调节变量和构造一个连续使用基于用户行为模型的移动Internet-personalized服务感知(图8 (b))。模型由两部分组成:移动Internet-personalized的意愿模型连续使用服务和持续使用行为的模型。此外,它需要持续使用意图和持续使用行为作为因变量,研究感知快乐和羊群行为的影响持续使用意图和用户习惯的机制持续使用意图和持续使用行为。

在上述研究的基础上,持续使用意图的移动社交网络信息服务研究,基于用户行为的感知和计算模型的有效性研究。结果如表所示1。和图9。

从上面的系统评价,可以看出,移动社交网络的持续使用意愿系统基于用户行为的感知信息服务提出了研究基本上可以满足实际的需求。

5。结论

移动Internet-personalized服务是指为用户提供移动、无处不在的个性化业务服务和信息服务的个性化和差异化特征用户的信息需求,在用户使用移动设备和服务器之间的交互过程,以满足用户需要的需求。移动Internet-personalized服务的效用取决于用户的心理认知、接受和使用,用户可以继续使用应用程序只在移动Internet-personalized服务的前提是好的。本研究分析了移动社交网络信息服务的继续使用基于用户行为的感知。通过算法的研究和系统的评价,可以看出,移动社交网络的持续使用意愿系统基于用户行为的感知信息服务可以满足实际的需求。

数据可用性

标签数据集用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由“信息交互能力的影响价值共同创造商业模式从供给的角度的连锁酒店忠诚度奖励在网络教育企业的竞争力,“一般社会科学项目广东省教育部,2018 wtscx049。