酒店机器人与用户交互的复杂性分析

摘要

服务机器人在过去十年被引入酒店行业，并收到了各种各样的反馈。为了提供更好的服务，我们需要了解酒店客户是如何看待服务机器人的。了解他们在人机交互中的兴趣、动机和行为是开发高质量服务和提高机器人性能的关键。这是中国首次在酒店进行人机交互研究。本文运用频繁模式挖掘和社会网络分析技术，为酒店管理和机器人制造提供有用的建议。打开和关闭灯、电视、窗帘和纱窗是大多数酒店顾客在入住期间首选的热门服务。服务机器人也被发现娱乐顾客执行重复的命令，以娱乐或消磨时间。顾客们通过拨打不同的命令，也表现出了入住酒店的各种动机。

1.导言

信息技术和人工智能的快速发展，使智能机器人在人们的日常生活中成为可能。就功能而言，机器人可分为工业机器人和服务机器人[1]．通过仔细观察服务机器人，可以进一步分类为专业使用或个人/私人使用[2].专业服务机器人设计用于完成特定任务或服务目标用户群体。例如，专业服务机器人包括清洁机器人、下水道机器人、检查机器人、拆除机器人、水下机器人、医疗机构机器人、辅助机器人和轮椅机器人等残疾机器人、运送机器人、引导机器人、加油站机器人、消防机器人和防空机器人，建筑机器人、农业机器人等。个人和私人使用的服务机器人包括家用（家用）机器人、娱乐机器人、教育机器人等。这些服务机器人是为了帮助人类完成日常任务而开发的[3.]．这两种服务机器人都是为了协助人类完成任务而设计的。

目前的研究主要集中在服务机器人的设计、应用和评估方面。在设计方面，设计师如何根据客户的需求和偏好设计机器人、机器人交互和体验？它们可以削弱或加强客户的价值感知，导致正面或负面的口碑传播[4]．伊万诺夫和韦伯斯特[5]专注于友好型接待机器人的设计。韩国科学技术研究所（KIST）设计了老年机器人[6]．拉克希米等人[7]设计了一种医院护理给药机器人。在应用方面，与工业机器人不同，服务机器人的准确性或速度并不总是最重要的方面。它们的功能或目的不仅是娱乐，还提供帮助、指导、治疗、教育和通信[3.]．在评估方面，Ivanov等人[8]通过问卷调查了解伊朗人对酒店机器人的看法，特别是伊朗消费者认为机器人能为他们做什么以及他们希望机器人做什么。伊万诺夫等人[8]调查了年轻俄罗斯人对在酒店引进机器人的态度。图西亚迪亚公园酒店[9]专注于酒店服务机器人的客户评估。对于机器人服务的内容和效果仍然缺乏了解，这就是本文写作的原因。现有的研究在酒店机器人的服务内容或人机交互的有效性方面还没有太多的探索。

人与机器人的交互以Thrun为特征[10]分为两类：直接交互和间接交互。直接交互假设一种双向通信，显示人类和机器人之间的平等地位。间接交互假设一种单向通信，机器人根据用户的命令行事并对其用户作出反应。这项工作侧重于间接交互关于遥控机器人。遥控机器人由人从远处（近或远）控制，人可以通过操纵杆或指令控制机器人[11]．

本工作旨在通过分析2017年至2018年配备服务机器人的真实酒店房间的历史数据，研究酒店机器人需要实现的实际服务。这项工作试图回答以下问题:(1)用户向酒店机器人要求的最受欢迎的服务是什么，(2)人类与酒店机器人互动的动机是什么，以及(3)用户向酒店机器人发出指令的频率。此外，酒店机器人对接收到的命令的响应性是本工作中另一个有趣的主题。

论文的其余部分组织如下：第一节2回顾了当前酒店业服务机器人的研究工作以及客户对其性能的反馈；第节3.介绍了数据资源和收集过程，随后介绍了所选数据分析方法的详细信息；第节介绍并讨论了作为实验结果的有趣的用户命令模式4；部分5总结了整个工作以及局限性和未来可能的工作。

2。文献综述

要开展人体机器人互动的研究，已经仔细审查了相关文献，以全面了解相关行业的现行服务机器人应用工作，特别是在酒店业，以及当前酒店的技术水平和表现。现实世界中的服务机器人。

2．1．机器人在服务业中的应用

服务机器人旨在通过身体和社交互动来支持和服务人类[12].对于前线服务机器人，Martins[13]定义如下：服务机器人是一种基于系统的自主和自适应接口，用于与客户通信并向客户提供服务。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，就像与人类的关系一样[14，15]服务机器人可以显著降低劳动力成本，它们更像是技术和员工的“工具”，而不是替代品[16]．马丁斯(13]考虑了与服务设计相关的以下三个属性:表示、拟人化和面向任务。服务机器人可以有物理表示(如Pepper)，也可以只有虚拟表示(如Alexa)。因此，我们认为，能够自主运行并随时间学习的虚拟AI软件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(如拟人机器人)，模仿人类的外观(如索菲亚)，也可以设计成非人形机器人(如清洁机器人)。最后，服务机器人可以根据基本的计算机功能(如医疗诊断的图像分析软件助手)或情感社会任务(如接收机器人)执行认知分析任务。

机器人广泛应用于服务业。在家庭教育方面，韩国开发了世界上第一个可用的电子学习家庭机器人，并展示了机器人作为一种新的教育媒介的未来。调查发现，家庭机器人在推广和应用方面具有优势，更能集中学生的注意力和注意力兴趣，提高他们的学习成绩[17]Ju等人[18]针对中小学生机器人教育的需要，设计了一个教育机器人平台。在老年护理方面，van Osch等人[11]开发了一款名为Rose的家庭护理机器人，可远距离控制（8 km）为老年人执行小型任务。韩国科学技术研究所（KIST）启动了一个新项目，在智能机器人中心开发一种名为T-Rot的老年服务机器人[6]．李和纳吉布[19]推出了新一代老人护理机器人“家庭伴侣”的设计和实现，这是基于对社交性和可靠性的创新承诺和广泛的用户研究，可用于信息娱乐、视频聊天、游戏和药物提醒。在指导方面，Bohus和Horvitz [20]引入了定向机器人，可以使用自然语言与一个或多个参与者互动，并为办公室、会议室和建筑物内的其他公共区域(如厨房、自助餐厅和浴室)提供方向。神田等人[21]为购物商场开发了一个机器人，旨在与客户自然互动，并在情感上提供购物信息。linder等人。[22]实验测试了在密集场所（如商场的机场航站楼）跟踪机器人的性能。在医学方面，米海达尔和帕森斯[23]回顾了机器人手术在泌尿外科的应用，指出机器人前列腺切除术患者的安全性提高[7]介绍了为医院提供替代医疗服务的药物输送机器人的设计和制造[24]设计了一种基于高斯过程分类的规划器，旨在促进多指机械手与医学图像检测的进一步集成。

2．2.酒店业中的服务机器人

服务自动化、人工智能和机器人技术为酒店业提供了巨大的机遇[25].酒店机器人的功能包括与旅行者互动和娱乐，以及身体帮助，如交通、托运行李和引导。[26]喜达屋在他们的高高酒店引进了一个机器人管家，主要为客房提供便利[27]。Henn na Hotel是第一家在从登记入住到自动行李递送的整个操作过程中租用酒店机器人的酒店，使用机器人登记入住者并护送客人到他们的房间。机器人接待员会根据客人的喜好说日语或英语。它可以为客人设置预订，带他们到房间，以及调节住宿的温度。在房间里，客人可以使用语音命令来改变灯光，并询问有关时间或天气的问题[28]。希尔顿环球酒店与IBM合作，率先推出全球首个机器人礼宾服务（使用软银的NAO机器人），从人工智能系统获取知识，并向客人通报当地景点、餐厅、酒店设施等[29]．拉斯维加斯韦恩酒店宣布，它将在所有客房均推出Alexa Digital Assistans的所有客房介绍亚马逊echo语音卷音扬声器[30].到2018年底，阿里巴巴未来第一家无人驾驶酒店“Flyzoo酒店”已投入运营[31]．

从需求方面来看，经济上，酒店机器人可以帮助酒店应对季节性的雇佣和劳动力成本。Dirican [32]认为人工智能，特别是向酒店引入机器人服务，极大地提高了酒店服务的效率，降低了酒店的运营成本，虽然一些酒店的机器人仍然认为投资成本很高，随着劳动力成本的增加，劳动力的可用性降低，机器人成本降低，随着机器人能力的提高，酒店业的许多低薪服务岗位有望被取代[33].花在机器人劳动上的时间比付给人类的钱要便宜[34]．在非经济方面，使用机器人来完成一些日常工作可能是酒店经理的一个不错的选择，因为它将省去法律部门、工会和移民办公室的大部分担忧，比如季节性裁员。[12，35]斯特林厄姆和格德斯先生[36]使用了定量和定性方法的组合，指出酒店的自助服务尚未导致劳动力的显着减少。由于酒店技术劳动力储蓄，大多数酒店选择将员工重新部署到其他任务。它正在改善客户服务，而不是减少人员。管理机器人与管理有形商品不同。机器人，员工和客户如何互动是未来旅行和酒店经理的重要关注[37]．

从供给方面看，Murphy等人[38]讨论了机器人与旅游产业的设计与机器人管理培训。酒店机器人的实施通常与面部识别，自动支付，无人机交付和自主车辆等其他技术集成[9].根据[39，40]，一个机器人控制系统需要三个发展阶段，包括硬件、功能和服务。硬件是指形状的机械设计，包括服务机器人的主体部分、感知系统(传感器)、运动系统(执行器)。功能是指控制系统的软件架构，可以实现导航、对话、视觉和语音识别、定位和映射机制，以及知识心智模型的表示。服务是指酒店旨在为顾客创造的附加价值，并为顾客提供服务以保持竞争优势。钟等人[41]相信机器人的一个关键要求是机器人应该感知机器人周围的人。通过对定制程序和迭代设计的两个实地研究，开发了一个用于移动服务机器人社交互动应用的编程系统。服务机器人在酒店任何地方广泛部署的时机已经确定将取决于何时可以解决技术限制[42]张等人[43]提出了一种基于ROS的智能酒店机器人，简化了入住流程。López等[44]提出了一系列基于一系列移动平台的自动化酒店助理系统，与客人互动，帮助他们完成不同的任务，包括为客户带来小物品，向客人展示酒店的不同景点，并提供客房，并提供客人通过一般信息。

２．３．机器人服务质量及反馈的相关工作

当出于乐趣、享受和好奇心与服务机器人互动时，客户可以在自助服务过程中感受到价值[45，46].具有用户友好界面设计的机器人定制对于吸引特定的新客户市场非常重要[47，48]．虽然目前的机器人技术可能不能直接补充全面的人类服务，但从市场营销的角度来看，服务机器人将间接吸引现有和潜在的客户[49，50]．张和齐[51]指出对人工智能技术感兴趣的高学历和高收入人群更希望入住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的吸引力[52]．随着机器人的普及，好奇将不再是客人入住酒店的重要原因，而是服务质量和顾客满意度。许多学者对机器人的服务质量进行了研究和探索[53- - - - - -55].服务机器人可以通过新的有吸引力的互动服务、沟通和与客户的联系来提高感知服务质量[56]．不像工业机器人的性能指标完全取决于效率，服务机器人的成功取决于用户的满意度[57].无法提供服务的机器人会严重影响客户满意度和酒店绩效[58]Nakanishi等人[59]发现人形机器人的温暖心脏互动服务可能会提高客户满意度与整个服务。

顾客对机器人服务的满意程度很大程度上取决于机器人本身。因此，机器人的优化设计就显得尤为重要。目前的一项研究是通过顾客的问卷调查、民意调查等主观获取反馈[60，辅助资料分析[61]，混合方法[62]，等等。Jeonghye等人[14]通过对家长和孩子的问卷调查，提出了家用机器人等液晶触摸屏服务机器人的进化模型，并提出了基于该评价模型重建机器人面部表情的重要性。图西亚迪亚公园酒店[9]通过在线调查和使用生物传感器测量自动情绪反应，发现顾客对不同类型酒店服务机器人的感知不同，酒店服务机器人的采用受到以下方面的显著影响：智能和感知安全。另一个目的是客观地优化算法，例如，Ju等人[18]基于机器人平台的机械机制设计设计了一个Python插件管理系统，实现了控制机器人的图形编程。黄等人。[63]提出了一种基于多注意的群体推荐模型（MAGRM），实验表明其在解决群体推荐问题上的性能明显优于最新技术。

以上方法要么是主观的，要么是脱离客户的，重要的是找到一个客观的、与客户相关的机器人优化反馈渠道，比如通过客户直接发出服务命令进行机器人优化。因此，本文从命令的角度来分析酒店机器人服务的一般情况，通过研究消费者对机器人的命令主要包括哪些内容，根据时间序列是否形成了一定的模式，以及与命令的响应是否存在不同的服务差异。目的是分析酒店机器人的服务内容和服务质量，为酒店机器人设计指明新的方向和思路。期望对机器人设计的进一步优化做出贡献，如包装预先设定的行为模式，优化重复指令，提高机器人的服务质量。

3.材料和方法

要对人机交互进行系统分析，需要一个包含大量交互记录的丰富数据源。然后，对收集到的大数据集进行预处理，去除不正确和无关的信息，以减少结果可能存在的偏差。本文在对干净数据集进行基本统计分析后，采用频繁模式挖掘方法研究用户命令模式，并采用基于社交网络的聚类方法了解用户的动机、兴趣和特定行为。

３．１．数据收集和预处理

这些数据是在中国大陆23个城市的88家酒店收集的。该酒店的服务机器人配备了789间酒店客房。机器人制造厂的机器人管理系统记录了酒店机器人在房间内收到的所有用户命令。在这项工作中，由于机器人操作的稳定性和数据的完整性，将选择2017年命令记录的历史数据进行分析和评估目的。

在用户与酒店机器人的交互中，命令是通过语音发出的。用户说出他们的请求，然后机器人接收整个语音句子，并通过其语音识别功能将其转换为简单的基于文本的命令标签。然后对收集的数据进行预处理，以消除机器人系统更新导致的不一致命令标签。无法识别的命令也被删除，因为它们主要是由重音问题引起的。预处理后，保存来自49955名酒店客户的745528条有效用户命令，并输入到下一步分析处理中。

3.2.用户命令关联分析

为了理解人机交互，用户给出的命令是唯一可以仔细研究的资源。频繁模式挖掘用于按顺序发现最流行的用户命令模式。

3.2.1之上。从用户命令中连续频繁发现模式

频繁模式通常用于表示数据集中数据示例中最常见或相似的特征。给定一组命令，频繁模式挖掘旨在找到规则，使我们能够根据命令中其他项的出现情况预测特定项的出现情况。频繁模式可由一组f标准约束[64]．

通过计算模式在整个数据集中出现的总数，可以很容易地获得模式频率的简单形式。这通常用于只使用一个单独的命令找出最流行的模式。

作为广泛使用的限制之一，支持Agrawal等人的支持。[65]在他们的关联规则挖掘（ARM）算法中，使用两个或多个用户命令识别频繁模式C是收集的数据集中所有用户命令的完整集合D c₁和c₂来自两个命令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通过以下方式获得：

如果某个模式的支持度得分不低于最低支持度阈值，则该模式可以表示为频繁模式，．经典的Apriori-heuristic的ARM不适合处理大型数据集，因为它在计算中非常耗时和昂贵。然后将有趣的概念视为进程，以避免产生太多无用的候选命令模式[66]．只有兴趣度得分高于最小兴趣度阈值的候选模式才能加入下一轮候选模式生成。基于上一代支持度得分可接受的单个命令，生成包含两个命令的候选模式;包含三个命令的候选模式是从包含两个命令的候选模式生成的，以此类推。兴趣度是通过以下两个命令计算的:

这样，计算时间和浪费可以控制在一个可接受的范围内。在这项工作中，根据候选命令模式出现的频率，将它们表示为频繁模式。其中一个原因是相同的命令模式在一次交互中频繁重复。用户可以一个接一个地放置同一组指令，例如“开灯、关灯、开灯、播放音乐、关灯、开灯……”，因此ARM中的强度测量约束不符合，本研究忽略。

这项工作的另一个特点是，用户放置命令的实际时间也被记录下来，这使得收集的数据成为时间序列数据。时间序列数据通常以数据序列表示。在这项工作中，每个序列记录了用户和机器人之间的交互。因此，命令模式不是命令的随机组合，命令的顺序也很重要。

3.2.2。用户聚类的社交网络分析

近年来，世界变得越来越复杂，研究界在复杂性度量方面做了大量工作。社会网络是一种分析和模拟方法，它试图利用点和线之间的关系，通过图形的算法特性来分析复杂系统。社会网络分析被广泛用于理解群体的本质，发现代表群体成员之间关系的有用模式[67]．本研究基于酒店顾客(用户)下达的命令，研究了酒店顾客(用户)之间的关系。数据集被重新组织为每个用户记录的命令序列的集合。一个矩阵M在哪里获得的n是用户命令的总数。十字路口米_ij记录执行该命令的次数c_我和命令c_j属于同一集团。集团是始终在所有命令序列中同时出现的命令的子集[68]。网络中的链路总数由以下公式计算：．

然后使用层次聚类(Johnson, 1967)根据最近的命令对将命令分组成簇。通过将命令聚类，可以发现用户的兴趣点，即总是将哪些命令高密度地聚在一起。社交网络分析是使用一种名为UCINET的软件进行的。69]．

4.结果与讨论

本节介绍在收集的数据上应用所选方法获得的实验结果。分别用所用方法解释结果，然后讨论总体结果。

4．1.数据集和描述性统计分析

在数据清理和预处理之后，从收集的历史数据中提取了总共103个单独的命令。桌子1列出了用户在与酒店机器人交互时放置的前50个命令。前12个命令的用户调用频率远高于其余命令，其余命令占列出命令的90%以上。近70%的用户命令属于OpenLamp、CloseLamp、TVOF、Open窗帘和Close窗帘命令之一。即大约90个命令每年被调用一次的几率不到0.4%。


最佳＃	命令	频率

1	开灯	125,855	16.97%
2	壁灯	118,271.	15.95%
3.	特沃夫	103,759.	13.99％
4	Opencurtain.	91,146	12.29%
5	窗帘	78049年	10.53%
6	屏风	41,324	5.57%
7	音乐表演	33254年	4.48%
8	艾隆	30,307	4.09%
9	OpenDoor	17,435	2.35%
10	特文	15,416	2.08%
11	AirOFF	9,099	1.23%
12	OpenPowerLight	8,879	1.20%
13	MeetingModeON	2842年	0.38%
14	TVChannelChange	2,629	0.35％
15	TVVolup.	2325年	0.31%
16	服务	2,267	0.31%
17	开放式卧室灯	2,236	0.30%
18	CloseWCLight	2,207	0.30%
19	MusicStop	2,045	0.28%
20	开放式照明	2,002	0.27%
21	睡眠道码	1,974	0.27%
22	近距离阅读灯	1,972	0.27%
23	近光	1,860.	0.25%
24	开放式夜灯	1,719	0.23%
25	开放式照明	1,503	0.20%
26	OpenDengDaiLight	1,390	0.19％
27	开放式顶灯	1,378	0.19％
28	音乐文本	1,376	0.19％
29	OpenReadLight	1291年	0.17%
30	openicelight.	1,265	0.17%
31	蓝牙	1242年	0.17%
32	关闭电源灯	1,206	0.16%
33	OpenLivingroomLight	1031年	0.14%
34	AirCondSet25	956	0.13%
35	OpenJingQianLight	953	0.13%
36	AirCool	934	0.13%
37	AirCondSet24	933	0.13%
38	CloseLangLight	921	0.12％
39	OpenStudyLight	888	0.12％
40	CloseLivingroomLight	856	0.12％
41	AirCondSet26	852	0.11％
42	近光	852	0.11％
43	TVVolDown	851	0.11％
44	AirCondSet20	769	0.10%
45	CloseBedLight	759	0.10%
46	空气加热	750	0.10%
47	MusicPrev	713	0.10%
48	OpenBackgroundLight	713	0.10%
49	Openscreen.	696	0.09%
50	AirCondSet30	688	0.09%

4．2．基于时间的用户-机器人交互分析

分析用户命令的活跃程度有助于了解人机交互的高峰和非高峰时段。图中给出了基于小时的活动频率图1。可以检测到一些常见的感觉，包括用户从早上6点起床时总是单独开始的交互，并在上午10点左右增加到第一个高点。当用户离开房间吃午饭时，在下午12点左右会发现一个小的下降，并且命令数量从下午1点开始迅速回升，并保持稳定，直到dinner时间。高峰时间是晚上10点左右，用户呆在房间里享受娱乐。令人惊讶的是，午夜后用户仍然与服务机器人通信。最后，安静时间从凌晨2点开始到凌晨5点。许多人在酒店房间呆到很晚，并与服务机器人交谈。

图中给出了基于月份的活动频率图2．在全年期间，服务机器人在7月和8月忙碌，大部分大多数都在1月和2月份处于空闲或备用状态。这与夏季期间的因素相匹配，一般提供更多酒店预订和旅行。基于月的互动数据还表明，大多数住在配备服务机器人的酒店客房的用户尝试几乎每次都与他们互动。服务机器人随时随地待在酒店的用户接受。

4.3.用户-机器人交互模式发现

频繁的命令模式可以提供一些关于用户兴趣、行为和服务机器人响应性能的知识。

4.3.1。流行命令组合的命令模式

在人机互动分析中，主要对象是在申请服务机器人时找出用户兴趣。频繁的命令模式可以指示用户更愿意使用服务机器人的命令组。表中列出了频繁的个人用户命令1.桌子2- - - - - -4将前10个频繁模式分别列为两个、三个和四个命令的排列。模式生成在四个命令级别停止，因为候选五个命令模式的频率和支持分数太低，无法产生显著影响。频率是通过包括repeats在同一交互中。还记录了模式出现至少一次时的交互次数。这两个数字之间的差异表明许多模式在单个交互中具有高重复次数。出现这种情况的原因很复杂，将在以下上下文中解释。请注意，com的顺序mands是所有情况下都要考虑的关键概念。


两种命令频繁模式	频率
两种命令频繁模式	总出现	不。的交互

窗帘	33255年	15250例(30.53%)
Closescreen，TVOFF.	31,976	14284例(28.59%)
关闭灯，关闭屏幕	28713年	13,092 (26.21%)
OpenLamp, CloseLamp	21,253	12,973 (25.97%)
关闭窗帘	16,870	9,245 (18.51%)
OpenCurtain, CloseCurtain	11,531.	7,859（15.73％）
OpenLamp, TVOFF	11,410	7417例(14.85%)
打开灯，打开窗帘	10,641	8467例(16.95%)
打开窗帘	9,554	6,692 (13.40%)
CloseCurtain, OpenCurtain	8,253	5,946（11.90％）


三个命令频繁模式	频率
三个命令频繁模式	总出现	不。的交互

闭门帘、闭门灯、闭门屏	26062年	12,141 (24.30%)
CloseLamp、CloseScreen TVOFF	26,421	12,227 (24.48%)
关闭屏幕、电视关闭、关闭窗帘	7,846	4528例(9.03%)
OpenLamp、CloseLamp OpenLamp	6547年	4,512（9.06％）
关闭屏幕、电视关闭、打开灯	6,128	4,356 (8.72%)
CloseLamp、OpenLamp CloseLamp	5,359	3,766 (7.54%)
CloseCurtain、CloseScreen TVOFF	4,896	3,596 (7.20%)
打开窗帘、打开灯、关闭电视	4,360	2,841 (5.69%)
打开窗帘，打开灯，关闭灯	3,800.	3,649 (7.30%)
CloseScreen、TVOFF OpenCurtain	3,608	2724例(5.45%)


四种命令频繁模式	频率
四种命令频繁模式	总出现	不。的交互

关闭窗帘、关闭灯、关闭屏幕、电视关闭	19,487	8979例(17.97%)
CloseLamp, cloescreen, TVOFF, OpenLamp	4,974	3558例(7.12%)
CloseLamp, cloescreen, TVOFF, OpenCurtain	2,708	2009例(2.59%)
OpenLamp, CloseCurtain, CloseLamp, cloescreen	2,538	1,973 (3.59%)
关闭灯，打开灯，关闭灯，打开灯	1,874	1,307（2.62％）
打开灯，关闭灯，打开灯，关闭灯	1,830	1,294 (2.59%)
关闭灯，关闭窗帘，关闭灯，关闭屏风	1578年	1,438 (2.88%)
音乐播放，窗帘，灯，屏风	1332年	1,184（2.37％）
打开窗帘，关闭窗帘，关闭灯，关闭屏风	1,206	1,018 (2.04%)
Opencurtain，Openlamp，Closelamp，Openlamp	681	672例(1.35%)

在常见的两个命令和三个命令模式中，大多数模式包含打开和关闭灯（所有灯）、窗帘和电视的操作。在常见的四个命令模式中，关闭屏幕（用于窗口）作为一个新的命令，可以在大多数模式中看到。但是，模式中的命令数量增加了，出现的总数量显著下降。从所有可以看到的模式集中，一个常见的行为是用户喜欢一起关闭灯光、窗帘、窗纱和电视。区别只是时间的顺序首先打开哪一个。对于那些关于电视的模式，用户关闭电视的频率比打开电视的频率更高，因为在中国地区的许多酒店，用户进入或返回房间后，电视会自动打开。此外，从这三个表中的所有频繁模式来看，灯（灯）窗帘一起打开或关闭。如果窗帘关闭，灯也会关闭，反之亦然。关闭窗帘并打开灯不是常见的情况，从中可以说这种操作通常是在用户睡觉前完成的。它还确认了人机交互是活动的在一天的深夜（如图所示1）.拉开窗帘和打开灯的图案可能暗示室内的自然采光不足。

从分析中发现了特定的行为，其中用户通过放置配对命令来使用服务机器人“播放”。也就是说，当给出第一个命令时，紧跟另一个命令遵循。配对命令始终打开或关闭一个设备，例如灯，电视，窗帘和空调。这表明用户在没有明确的目的的情况下厌倦并称为这些命令。他们可能只想与服务机器人交谈以获得乐趣或杀戮时间。桌子5列出此类别中前20个成对命令。用户更喜欢打开和关闭所有灯，而不是打开和关闭特定的灯。对于电视和空调，检测到相同的情况。用户没有按顺序给出详细信息，而是选择了简单而简短的命令。


命令1	命令2	频率（总发生次数）

开灯	壁灯	21,253
壁灯	开灯	19,884
Opencurtain.	窗帘	11,531.
窗帘	Opencurtain.	8,253
特沃夫	特文	7,832
特文	特沃夫	4162年
艾隆	AirOFF	2,241
AirOFF	艾隆	1524年
音乐表演	MusicStop	420
MusicStop	音乐表演	253.
开放式照明	CloseWCLight	250.
开放式照明	CloseLangLight	222
CloseWCLight	开放式照明	149
开放式顶灯	近光	124
CloseBackgroundLight	OpenBackgroundLight	118
OpenLivingroomLight	CloseLivingroomLight	117
开放式卧室灯	特写镜头	113
CloseLangLight	开放式照明	105.
OpenDengDaiLight	近光	102.

4.3.2.机器人响应性分析

虽然人机交互被确定为只应用单向通信的间接交互，但服务机器人对用户命令的响应性是一个有趣的主题，将在本节中进一步探讨。

在这项工作中进行的响应性分析是观察用户需要连续重复相同命令多少次，直到机器人采取行动或用户放弃。从上面的频繁模式分析中，模式出现的总数和交互次数之间存在一些差异具有模式。它们不是相同的数字，并且在许多情况下，它们之间存在很大的差距。原因是某些命令在一次交互中重复多次。对重复的命令进行了仔细观察，结果如图所示3.．单条命令每天重复的次数约为2.9次，说明服务机器人的响应能力还有很大的提升空间。从分析中提取出前20个重复的命令。通过比较表中前50个常用的单个命令的初始计数1，发现20个最频繁的命令中有17个具有高重复次数。大多数命令在2秒内重复执行。

桌子6列出重复次数最多的前20个命令。由于机器人反应能力差，并不是所有的机器人都有重复。重复可能是由于命令本身的性质造成的。例如，MusicVolDown、TVChannelADD、TVVolUp、MusicVolUp、TVVolDown和TVMenuUp是六个命令，用户将重复几次以达到他们满意的状态。用户会不断调用MusicVolDown命令来将音乐音量调低到可接受的水平，这是可以理解的。然而，其他需要重复的命令则被视为服务机器人响应能力差的情况。ReadLightMax的重复率最高，超过85%，其次是OpenPowerLight(81.32%)。这些重复次数高的命令需要特别注意服务机器人制造厂的性能。


Top #	命令	重复率(%)

1	读灯光	85.28
2	OpenPowerLight	81.32
3.	OpenDoor	77.32
4	艾隆	74.49
5	TVChannelSub	74.42
6	音乐城堡	67.94
7	Opencurtain.	67.62
8	TVChannelADD	64.42
9	TVVolup.	60.82
10	开灯	60.50
11	音乐表演	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	闭门	48.12

4.4。用户命令集群

基于在人机交互中调用的命令的用户集群如图所示4。共有六个用户群是通过UCINET的社交网络分析获得的。它们在图中是彩色的4用于可视化用户组和每个组使用的命令。总的来说，检测到一组常见命令，这证实了最流行的命令，如开关灯，拉动窗帘，看电视，播放音乐是所有六组用户的最爱。个人团体也有他们的首选命令。即使使用相同的设备，它们也有不同的操作。每个组都在部分的其余部分更详细地讨论。

第1组(粉红色)拥有最大的命令集。除了与切换电视、灯光和窗帘操作相关的命令外，这一组在播放音乐和更换电视频道方面更加活跃。这类用户可能更喜欢打开电视播放音乐，但很少有人使用命令来调节室温。

第2组(深蓝色)为使用服务机器人主要通过空调调节室温的活跃用户。一组温度设置命令，如“Aircondset25”，“Aircondset24”，“Aircondset26”，“Aircondset20，”等等，特别在这组中被检测到。全年温度范围为17°C至29°C，属于人体正常的外部温度调节范围。这个用户组更多地关注具有准确需求的操作，而不是组1喜欢的一些通用命令。

第三组（浅蓝色）是边缘区域的一个小组。该组使用的命令更多的是电视上的娱乐相关操作和播放音乐。他们使用“蓝牙”连接自己的智能设备并在电视上播放音乐。他们还使用“签出”命令在服务机器人离开房间前通知他们。他们可以被指示为酒店的前卫客户。

第四组（绿色）经常使用机器人呼叫客房服务。该组的用户使用“Nodisturbon”和“Cleanon”要求提供清洁服务。他们还观看电视收费频道，而不是浏览非收费频道。这些客户更喜欢将酒店房间作为他们的私人空间，并对其空间内的活动有很强的控制力。

第5组（黄色）和第6组（棕色）是两组用户，他们花更多时间在房间的开关灯上，以调整照明。这两个群体与其他群体没有太多的重叠；尤其是组6的命令只有一个连接。这两组人对房间中不同位置的特定灯光非常感兴趣。他们没有使用一般的命令来打开或关闭所有的灯，而是仔细明确地给出了灯的名称。这种行为表明用户在房间内移动了很多。它们是在小范围内使用单独灯光的节能装置。

4.5. 讨论

通过对上述结果的分析，酒店管理层和服务机器人制造厂的技术专家需要特别关注一些问题和有价值的要点。

在理论贡献方面，本文从服务业的角度对机器人提供的服务进行了深入的分析。与传统的机器人研究不同，它将人类情感与机器人设计紧密结合，为这一领域提供了更多的知识。此外，本文通过对大量机器人指令的复杂网络分析，提出了一种酒店机器人的指令模式。这是服务机器人研究的一次创新尝试。

在实际贡献方面，机器人需要在人机交互性能方面得到改善。在同一分钟中的同一命令中，机器人在接受客户订单方面存在某些问题，并且这些问题有很多原因。例如，客户说话的普通话的重点会导致机器人无法辨认，或者客户的声音听不到。酒店机器人缺乏对客户命令的语义理解，这意味着现在酒店机器人主要使用关键字匹配，并根据客户的命令提供搜索结果。无法识别或太多的外部环境干扰因子不能通过机器人删除。无论可能的原因如何，开发人员仍在等待改善机器人在人机交互中的性能。

客户进行了一个奇怪的操作。典型的表现是顾客在短时间内说出许多不同类型的操作命令，顾客出于好奇，处于尝试、尝试、接受服务机器人的缓慢过程中。由于对新事物的好奇心，客户愿意对机器人发出不同的指令。有两种心态，一种是对机器人性能的验证，另一种是对新事物的尝试。无论心态如何，都有利于未来服务机器人的广泛使用。经过反复试验，客户对机器人的性能和服务质量有了感官感受。另外，由于顾客越来越习惯酒店机器人，对酒店机器人失去兴趣，这篇论文为制造商改进服务机器人提供了一个很好的理由。这对于后续客户是否愿意继续使用或入住机器人酒店至关重要。以下组成部分可以促进客户再次来访;一方面，这是一次很好的尝试体验; 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.

操作说明过于有限。从整天操作的操作类型的角度来看，大多数操作指令都是控制类型指令。这些说明只能满足客户的常规需求，并且很难对客户进行深刻的印象，并敦促客户再次访问冲动。这主要是由于酒店机器人服务狭窄。建议机器人设计师前往酒店体验其产品的现场体验，从客户的角度考虑客户的潜在需求，并开发一些可以给客户留下深刻印象的操作指示。例如，自动室内温度监测和调整，人体温度自动监测，潜在危害自动报警，客户需求投入和实施，以及客户保健;只有通过开发这些类型的订单，我们只能掌握客户的心脏并推广和使用服务机器人。

5.结论

本文首次提出了一项关于中国酒店顾客与服务机器人之间人机交互的研究。与其他服务机器人研究不同，服务机器人研究更多地关注机器人设计、开发和性能评估中的技术问题，这项工作利用从酒店房间内客户和机器人之间的实时交互中收集的真实数据，应用频繁模式挖掘和社会网络分析技术，找出酒店客户与服务机器人交互时的兴趣、动机和行为。

在中国23个城市的88家酒店中，共有49955名酒店客户在入住期间调用103个用户命令，频繁的命令模式表明，大多数客户调用服务机器人来执行简单操作，如打开或关闭灯光、电视、窗帘和窗纱。酒店客户有特殊偏好当他们与服务机器人互动时，他们会对服务产生兴趣。一些人喜欢尝试大范围的服务；一些人喜欢发出准确的命令来调整房间环境；一些人在酒店房间里消磨时间娱乐；一些人会花时间在酒店房间里享受自己的私人空间；还有一些人将服务机器人视为一个公司来提供服务通过不断重复同一组命令来消磨时间。人们还发现，机器人对某些用户命令的响应速度很慢，预计在不久的将来会有潜在的改进。

由于这是该领域的第一项工作，因此在进行研究时存在一些局限性。由于系统更新，制造商从机器人管理系统收集的原始数据包含不一致的命令标签。仅2017年的数据完整，可用于本工作。由于隐私问题以及酒店无法共享用户的个人信息，本工作中缺少用户信息。此外，社交网络分析是否适用于机器人命令，需要在事后仔细研究。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的交互，这是未来人机交互研究中的一个显著步骤。这些发现有助于酒店管理层调整顾客感兴趣的服务以及机器人能提供的服务。

数据可用性

数据由机器人公司拥有，无法释放。

的利益冲突

作者声明，他们没有已知的竞争经济利益或个人关系，可能会影响本文报告的工作。

作者的贡献

钟莉娜负责构思、方法、写作和资金获取。杨立宇对文献综述有贡献。贾荣审阅和编辑了手稿，并指导了研究。李晓南负责软件和形式分析。

致谢

本研究得到了北京社会科学基金会的支持，授予NOS。19JDXCA005和18JDGLB013和中国国家自然科学基金会授予NO。71673015。

参考文献

S.Ivanov和C.Webster，“在旅游业中使用服务机器人的感知适宜性和意图”，年尼科西亚国际会议，第237-248页，瑞士湛江斯普林格，2019年。浏览：出版商网站|谷歌学者
国际机器人联合会，联合国和欧洲经济委员会，2002年世界机器人技术：机器人投资的统计、市场分析、预测、案例研究和盈利能力，联合国出版物，纽约，纽约，美国，2002年。
T.Shibata，“用于心理充实的人机交互机器人概述，”IEEE会议录，第92卷，第11期，第1749-1758页，2004年。浏览：出版商网站|谷歌学者
m·m·瓦斯科(M. M. Wasko)和s·法拉吉(S. Faraj)说:“我为什么要分享?考察电子实践网络中的社会资本和知识贡献，”管理信息系统季刊，第29卷，第1期，第35-57页，2005年。浏览：出版商网站|谷歌学者
S. H.伊万诺夫和C.韦伯斯特，“设计机器人友好的接待设施”旅游科学会议论文集。创新。策略，第74-81页，保加利亚布尔加斯，2017年。浏览：谷歌学者
M.Kim、S.Kim、S.Park、M-T.Choi、M.Kim和H.Gomaa，“老年服务机器人”IEEE机器人与自动化杂志，第16卷，第1期，第34-45页，2009年。浏览：出版商网站|谷歌学者
N.K Lakshmi，G.Rajakumar，D.N.M.Kumaran，I.Dinesh，V.Caleb和H.Arshadh，“医院给药机器人的设计和制造”，年计算、通信和网络技术最新趋势国际会议论文集2019年10月，印度泰米尔纳德邦钦奈。浏览：出版商网站|谷歌学者
S. Ivanov, C. Webster，和A. Garenko，《俄罗斯年轻人对旅馆中可能使用机器人的态度》，社会技术，第55卷，第24-32页，2018年。浏览：出版商网站|谷歌学者
I. P. Tussyadiah和S. Park，《酒店服务机器人的消费者评价》，刊于2018年旅游业中的信息和通信技术，第308-320页，瑞士湛江斯普林格，2018年。浏览：出版商网站|谷歌学者
S.Thrun，“走向人-机器人交互框架，”人机交互第19卷第2期1-2，页9-24,2004。浏览：出版商网站|谷歌学者
M.van Osch、D.Bera、K.van Hee、Y.Koks和H.Zeegers，“远程操作服务机器人：rose，”建筑自动化，第39卷，第152-160页，2014年。浏览：出版商网站|谷歌学者
S.Berezina、H.I.Stainslav和C.Webster，“旅游和酒店公司采用机器人和服务自动化，”Revista Turismo＆Desenvolvimento， vol. 27, pp. 1501-1517, 2017。浏览：谷歌学者
A. Martins，“勇敢的新世界：前线的服务机器人”，“服务管理学报，第29卷，第5期，第907-931页，2018年。浏览：出版商网站|谷歌学者
H. Jeonghye，L. Jaeyeon和C. Youngjo，“进化榜样和服务机器人的基本情绪起源于计算机”机器人与人类互动交流国际研讨会论文集，pp.30-35，IEEE，纳什维尔，TN，美国，2005年8月。浏览：出版商网站|谷歌学者
D.诺曼和S.W.德雷珀，以用户为中心的设计：人机交互的新视角，劳伦斯·埃尔巴恩associates，Hillsdale，NJ，美国，1986年。
C.韦伯斯特和S.伊万诺夫，“旅行、旅游和酒店公司采用机器人、人工智能和服务自动化——成本效益分析”，载于人工智能与旅游服务自动化，翡翠集团出版社，英国宾利，2017年。浏览：谷歌学者
H.Jeonghye，J.Miheon，P.Sungju和K.Sungho，“家庭机器人在儿童中的教育用途”，年机器人与人类互动交流国际研讨会论文集， pp. 378-383, IEEE, Nashville, TN, USA, 2005年8月。浏览：出版商网站|谷歌学者
A.Ju，D. Chen和J. Tang，“基于图形编程的教育机器人平台设计”智能系统和计算的进展，第1117卷，新加坡斯普林格，2019年，网络物理系统大数据分析国际会议。浏览：出版商网站|谷歌学者
S. Lee和A. M. Naguib，“朝着善于和可靠的老年护理机器人：设计，实施和用户学习，”智能与机器人系统杂志，第98卷，第11期，第5-17页，2019年。浏览：出版商网站|谷歌学者
D. Bohus和E. Horvitz的《方向机器人:在野外的经验和教训》自治代理和多代理系统国际会议记录，第637-644页，法国巴黎，2014年5月。浏览：谷歌学者
T.Kanda、M.Shiomi、Z.Miyashita、H.Ishiguro和N.Hagita，“购物中心中的情感引导机器人”，年人与机器人相互作用国际会议记录，第173-180页，美国加利福尼亚州圣地亚哥ACM/IEEE，2009年10月。浏览：出版商网站|谷歌学者
T.Linder、S.Breuers、B.Leib和K.O.Arras，“在非常拥挤和动态的环境中，从移动平台跟踪多模式人群”，年自治机器人系统与竞争国际会议的诉讼程序，页5512-5519,IEEE，斯德哥尔摩，瑞典，2016年5月。浏览：出版商网站|谷歌学者
H.S.Mirheydar和J.K.Parsons，“机器人技术在美国临床实践中的传播：过程、患者安全、学习曲线和公共卫生，”世界泌尿学杂志，第31卷，第3期，第455-461页，2013年。浏览：出版商网站|谷歌学者
胡志强、孙耀阳、李国强、蒋国强和陶伯强，“面向医疗机器人领域的抓取规划概率分析，”测量，第141卷，第227-234页，2019年。浏览：出版商网站|谷歌学者
G.Ritzer，“招待与消费”酒店管理研究，第5卷，第1期，第9-17页，2015年。浏览：出版商网站|谷歌学者
P.Alexis，“R-旅游：介绍机器人技术和服务自动化在旅游业中的潜在影响，”奥维迪乌斯大学年鉴，经济科学系列，第17卷，第1期，第211-216页，2017年。浏览：谷歌学者
J. Crack，“喜达屋在Cupertino的AleoT酒店推出了机器人屁股，”2014年，https://techcrunch.com/2014/08/13/starwood-introduces-robotic-butlers-at-aloft-hotel-in-palo-alto/．浏览：谷歌学者
卫报，“日本机器人酒店：接待处的恐龙，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.．浏览：谷歌学者
希尔顿，“希尔顿和IBM飞行员”康妮，“世界上第一个启用沃森的酒店礼宾”，2016年，http://newsroom.hilton.com/index.cfm/news/hilton-and-ibm-pilot-connie-the-worlds-first-watsonenabled-hotel-concierge．浏览：谷歌学者
HotelManagement.net，“永利拉斯维加斯为所有客房添加亚马逊回声”，2016年，http://www.hotelmanagement.net/tech/wynn-lasvegas-adds-amazon-echo-to-all-hotel-rooms．浏览：谷歌学者
梁c.l.，“未来酒店来了，阿里巴巴开了第一家无人酒店，”菁蓉科技时代酒店，卷。11，p。91,2018。浏览：谷歌学者
C. Dirican，《机器人、人工智能对商业和经济的影响》，社会与行为科学，第195卷，第564-573页，2015年。浏览：出版商网站|谷歌学者
C.B.Frey和M.A.Osborne，“就业的未来：工作对计算机化有多敏感？”技术预测与社会变革，第114卷，第254-280页，2017年。浏览：出版商网站|谷歌学者
H. Osawa, A. Ema, H.服部等人，“使用机器人工作的真正风险和益处是什么?从分析一个机器人旅馆，“在2017人-机器人互动国际会议同伴会议录，ACM/IEEE，奥地利维也纳，2017年3月。浏览：出版商网站|谷歌学者
郭春明、陈丽娟、曾春云，“用接待机器人探索创新服务，”国际当代招待会管理杂志，第29卷，第5期，第1-17页，2017年。浏览：出版商网站|谷歌学者
B.B.Stringam和J.H.Gerdes，“酒店业服务的自动化”，年全球服务管理会议记录（GLOSERV 2017），意大利沃尔特拉，2017年10月。浏览：谷歌学者
J.Murphy、U.Gretzel和J.Pesonen，“在酒店和旅游业中营销机器人服务：拟人化的作用，”旅游与旅游营销杂志第36卷第2期7，第784-795页，2019。浏览：出版商网站|谷歌学者
J.Murphy、C.Hofacker和U.Gretzel，“酒店和旅游业机器人时代的曙光：教学和研究的挑战，”欧洲旅游研究杂志，卷。15，pp。104-111,2017。浏览：谷歌学者
T. Haidegger，M. Barreto，P.Gonçalves等，“服务机器人的应用本体和标准”，机器人技术与自主系统，第61卷，第11期，第1215-1223页，2013年。浏览：出版商网站|谷歌学者
E.Zalama，J.G.García-Bermejo，S.Marcos等人，“Sacarino，酒店环境中的服务机器人，”Robot2013：第一款伊比利亚机器人大会，智能系统和计算的进步，卷。253，Springer，Cham，瑞士，2014年。浏览：出版商网站|谷歌学者
M.J.-Y.Chung，J.Huang，L.Takayama，L.Takayama，T.Lau和M.Cakmak，“社交互动服务机器人编程系统的迭代设计，”社会机器人，第9979卷，瑞士湛江斯普林格，2016年。浏览：出版商网站|谷歌学者
Y.-h.下巴，H.-P.李，c. -w。Su等人，“人体机器人互动的框架设计”先进技术，嵌入式和多媒体，以人为中心的计算，第260卷，第1043-1048页，斯普林格，多德雷赫特，Netharlands，2014，电气工程课堂讲稿。浏览：出版商网站|谷歌学者
Y. Zhang，X. Wang，X. Wu，W. Zhang，M. Jiang和M. Al-Khassaweneh，“智能酒店ROS型服务机器人”国际电子信息技术会议(EIT)， IEEE，布鲁金斯，SD，美国，2019年5月。浏览：出版商网站|谷歌学者
J. López, D. Pérez, E. Zalama和J. Gómez-García-Bermejo，“bellrobot——一种使用移动机器人的酒店助理系统，”国际先进机器人系统杂志，第10卷，第5期。1, pp. 40-52, 2013。浏览：出版商网站|谷歌学者
M. S. chtourouu和N. Souiden，《重新思考TAM模式:是时候考虑乐趣了》，消费者营销杂志第27卷第2期4, pp. 336-344, 2010。浏览：出版商网站|谷歌学者
C.Grönroos和A.Ravald，“作为业务逻辑的服务：对价值创造和营销的影响，”服务管理学报，第22卷，第1期，第5-22页，2011年。浏览：出版商网站|谷歌学者
C. Morosan和A. Defranco，“使用酒店互动技术共同创造价值：检查意图和转换，”国际当代招待会管理杂志第31卷第1期3, pp. 1183-1204, 2019。浏览：出版商网站|谷歌学者
A. Scherer，N.V. NeuldLICH，F. von Wangenheim，帕德博恩大学和E.T.Z.富瑞，“自助服务的价值：基于技术的自助服务对顾客保留的长期影响”管理信息系统季刊，第39卷，第1期，第177-200页，2015年。浏览：出版商网站|谷歌学者
M. Barrett，剑桥大学，E. Davidson等，“数字时代的服务创新：关键贡献和未来方向”管理信息系统季刊，第39卷，第1期，第135-154页，2015年。浏览：出版商网站|谷歌学者
D. Kindström, C. Kowalkowski和E. Sandberg，“促进服务创新:动态能力方法”，商业研究杂志第66期8，第1063-1073页，2013。浏览：出版商网站|谷歌学者
Zhang和S.Qi，“用户体验研究：酒店客人对基于ai的服务机器人在全方位服务酒店中的使用的服务期望”，年企业、政府和组织中的HCI。电子商务与消费者行为，F.H.Nah和K.Siau编辑，第11588卷，瑞士湛江斯普林格，2019年，计算机科学国际人机交互会议讲稿。浏览：出版商网站|谷歌学者
S.H.伊万诺夫和C.韦伯斯特，“机器人作为消费者：研究议程”，年市场营销:经验与展望会议论文集，71 - 79页，经济大学瓦尔纳，保加利亚，2017年6月。浏览：谷歌学者
Y.Choi、M.Choi、M.Oh和S.Kim，“酒店中的服务机器人：理解人机交互的服务质量感知，”酒店营销与管理杂志，第1-23页，2019。浏览：出版商网站|谷歌学者
Y. Kim和H. S. Lee，“质量、感知有用性、用户满意度和使用意图:无处不在的个人机器人服务的实证研究”，亚洲社会科学，第10卷，第11期，第1-16页，2014年。浏览：出版商网站|谷歌学者
R.Pinillos、S.Marcos、R.Feliz、E.Zalama和J.Gómez García-Bermejo，“酒店环境中服务机器人的长期评估，”机器人技术与自主系统， 2016年，第79卷，第40-57页。浏览：出版商网站|谷歌学者
郭春明、陈丽娟、曾春云，“用接待机器人探索创新服务，”国际当代招待会管理杂志，第29卷，第2期5, pp. 1305-1321, 2017。浏览：出版商网站|谷歌学者
C. Bartneck，T.Kanda，O. Mubin和A. Al Mahmud，“机器人的设计会影响其动画和感知情报吗？”国际社会机器人学杂志，第一卷，第二期，第195-204页，2009年。浏览：出版商网站|谷歌学者
S.Melián-gonzález和J.Bulchand-Gidumal，“连接信息技术和酒店性能的模型”，旅游管理，卷。53，pp。30-37,2016。浏览：出版商网站|谷歌学者
中义、黑本、巴巴、高海、吉川和石黑浩，“人形机器人能在酒店里参与温馨互动服务吗？”摘自第六届人与智能体相互作用国际会议记录，英国南安普敦，2018年12月。浏览：出版商网站|谷歌学者
J.Hudson、M.Orviska和J.Hunady，“人们对机器人照顾老人的态度，”国际社会机器人学杂志，第9卷，第2期，第199-210页，2017年。浏览：出版商网站|谷歌学者
闫慧敏，“社交机器人人机交互的感知方法研究”，国际社会机器人学杂志，第6卷，第1期，第85-119页，2014年。浏览：出版商网站|谷歌学者
M. Pino，M. Boulay，F. Jouen和A. S. Rigaud，“”我们为机器人提供了照顾我们的机器人吗？“老年人对社会辅助机器人的态度和意见，“老化神经科学前沿，第7卷，第141页，2015年。浏览：出版商网站|谷歌学者
Z.Huang，X.Xu，H.Zhu和M.Zhou，“一个基于多注意的神经网络的有效群体推荐模型，”神经网络和学习系统的IEEE交易2020年，在新闻中。浏览：出版商网站|谷歌学者
X.Wu，C.Zhang和S.Zhang，“正关联规则和负关联规则的有效挖掘，”ACM信息系统事务（TOI），第22卷，第3期，第381-405页，2004年。浏览：出版商网站|谷歌学者
R. Agrawal, T. Imieinski，和A. Swami，“挖掘大型数据库中项目集之间的关联规则”ACM SIGMOD国际数据管理会议的诉讼程序，P. Buneman和S.Jajodia，Eds。，PP。1993年5月，美国DC 207-216 207-216。浏览：出版商网站|谷歌学者
李国栋，罗仁，荣j.r，伍H. Q.，“香港出境旅游的正、负关联规则分析”，旅游与旅游营销杂志，第27卷，第8期，第812-828页，2010年。浏览：出版商网站|谷歌学者
C.Hu和P.Rachella，“知识网络的视觉表现：酒店研究领域的社会网络分析，”国际酒店管理杂志第27卷第2期2，页302-312,2008。浏览：出版商网站|谷歌学者
S. P. Borgatti, M. G. Everett和J. C. Johnson，分析社交网络，Sage出版有限公司，千橡树，加利福尼亚州，美国，2013年。
S.P.Borgatti、M.G.Everett和L.C.Freeman，ucinetforwindows：社交网络分析软件，分析技术，美国肯塔基州列克星敦，2002年。

复杂性

智能城市2020中先进计算机模拟技术处理的复杂性问题

摘要