基于特征融合的信息系統易用性研究

曹強 許穎媚

DOI：10.16661/j.cnki.1672-3791.2106-5042-4598

摘 ?要：信息系統易用性是評價軟件質量的一項重要指標，針對信息系統易用性評估用戶情境缺失的問題，該文從特征融合視角進行用戶的特征提取和分析，依據訓練集進行參數估計，通過特征融合進行用戶特征數據處理分析，結合信息系統的特點和最小錯誤率貝葉斯決策理論，實現信息系統用戶分類。用戶特征融合分類能夠解決信息系統易用性評估中的情境缺失問題，通過結合提取的特征提升易用性評估的準確性。

關鍵詞：易用性評估 ?特征融合 ?貝葉斯決策 ?用戶分類 ?情境分析

中圖分類號：TP31? ? ? 文獻標識碼：A ????文章編號：1672-3791（2021）06（b）-0001-03

Usability of Information System： A Feature Fusion Perspective

CAO Qiang ??XU Yingmei

（Guangdong Science & Technology Infrastructure Center， Guangzhou，Guangdong Province，?510000 ?China）

Abstract：Information system usability is an important index to evaluate software quality. In view of the lack of user context for information system usability evaluation， user feature was extracted and analyzed from the feature fusion perspective， parameter estimation was done based on training set， user feature data was processed and analyzed， combined with the feature of information system and Bayesian decision theory of minimum error rate， information system user classification was achieved. User feature fusion classification can solve the problem of lack of context in the usability evaluation of information system and imporove the accuracy of the usability evaluation.

Key Words：?Usability evaluation; Feature fusion; Bayesian Desion;?User classification;?Context analysis

易用性（Usability）是在指定的使用周境中，產品或系統在有效性、效率和滿意度特性方面為了指定的目標可為指定用戶使用的程度^[1]。盡管近年來信息系統已經穩步增長，易用性仍然是影響用戶參與的重要因素之一^[2]。

已有研究表明，用戶年齡因素對易用性評估結果存在影響，同時還需要更多地關注用戶和情境信息，以便于選擇和定制許多不同的度量和更高級別的標準^[3]。在大多數易用性評估中，評估者確定的用戶易用性問題構成了分析的一部分，比如計算、匹配或分類^[4]。近年來，特征融合得到了迅速發展并廣泛應用于許多領域，在實際的分類應用中，根據給出的用于模式樣本的類和多個特征集的數量，特征融合能關聯集成特征，得到更加準確的識別結果^[5]。

信息系統具有多元化、協同化、移動化等特點，從特征融合視角對信息系統考慮易用性評估問題，可以結合用戶情境信息，使用貝葉斯決策理論（Bayesian Decision Theory）進行分類識別，有針對性地給出信息系統易用性知識，引導用戶完成易用性評估過程。

1?特征融合

特征融合是信息融合的中間維度，信息融合理論是特征融合的基礎理論，信息融合是多源異構數據的綜合處理，達到聯合決策的目的^[6]。特征級融合比其他融合級別更有效，相比匹配分數或分類器的輸出決策，特征集包含關于輸入特征數據的更豐富的信息，如原始數據層融合信息的充分表示量或統計量。因此，特征層的融合可以提供更好的識別結果。特征融合在數據識別中得到了廣泛的應用，充分利用了各種不同的信息，通過對這些信息的合理控制和利用，將時間或空間上的冗余或互補信息按照一定的標準進行組合，得到被測對象的一致解釋或描述，從而使信息系統比其子集組成的系統獲得更好的性能^[7]。特征融合的目標是將來自兩個或多個特征向量的相關信息組合成單個特征向量，其預期比任何輸入特征向量更具辨別力。特征層融合是在數據層融合和決策層融合之間進行的，它具有實現一定的信息壓縮和實時處理的優點，且由于提取的特征與決策分析直接相關，因此可以最大化決策分析所需的特征信息^[8]。特征融合模型如圖1所示，其基本流程包含了數據源、數據源特征提取、特征關聯、特征融合及最后的模式分類識別結果。

2?最小錯誤率貝葉斯決策理論

基于貝葉斯理論的特征融合算法是在分類器融合算法基礎上發展起來的，貝葉斯決策理論是一種經典的模式識別方法^[5]。根據最小錯誤率的貝葉斯決策理論，若對樣本x進行分類，則該類就是在已知樣本x條件下后驗概率最大的模式類，目標是讓出現錯誤的概率盡可能低。

3?信息系統用戶分類

信息系統的成功需要信息技術、組織管理、合法監管和制度環境等因素支撐，信息系統的易用性是需要考慮的重要因素，用戶作為最終使用者對系統的評估是易用性評估的重點。信息系統的易用性評估通過直觀的數據收集方式，引導用戶進行易用性測試評估，收集用戶的特征數據進行特征融合，形成用戶特征數據集，針對特征數據集進行分類，依據所屬類別生成匹配用戶的調查問卷，從而達到個性化的易用性評估效果。從特征融合視角來看，這樣的評估方式能夠針對用戶特征進行分類，個性化地提供易用性評估服務，提升評估的準確度，用戶分類流程如圖2所示。

3.1?訓練樣本

樣本是有監督的訓練樣本集合，具備典型分類用戶的特征，樣本整體近似服從正態分布，根據樣本特征集和類別數通過已知訓練樣本的最大似然估計確定類條件概率密度。

3.2?確定模式類

模式類的確定需要結合分類規則和樣本情況，基于最小錯誤率貝葉斯決策的信息系統易用性評估，依據用戶信息系統熟練度特征進行分類。考慮到信息系統用戶的廣泛性，各類的先驗概率相等且類條件概率密度服從正態分布，結合訓練集數據通過最大似然估計確定類條件概率密度，最后應用最小錯誤率貝葉斯決策確定所屬模式類。

在獲取用戶特征信息后，進行貝葉斯決策后確定用戶所屬類別，結合系統易用性量表（System Usability Scale， SUS）^[9]、尼爾森易用性問卷（Nielsen's Attributes of Usability Questionnaire ， NAU）^[10]和用戶所屬類的個性化問卷等易用性測試方法給出針對性的調查問卷，從用戶角度評估信息系統的易用性。個性化評估一方面考慮到了用戶情境信息，另一方面也結合了易用性量表評估的方法。

4??結語

特征融合應用于信息系統的易用性評估，重點關注用戶特征的提取，針對分類用戶進行易用性信息收集，達到系統易用性評估的目的。每個模式類對應匹配的問卷，按照設定的模式類性質設置問卷，針對不同熟練程度的被調查者匹配結果，從而提升問卷調查的針對性和結果的有效性。下一步的主要工作將是設計開發信息系統進行統一管理，實現自動化可用性評估，同時對參與者需要從性別、年齡、教育情況、專業經驗、計算機經驗和產品經驗等多維度進行考量。

參 考 文 獻

[1] 國家標準化管理委員會.系統與軟件工程 系統與軟件質量要求和評價（SQuaRE） 第10部分：系統與軟件質量模型：GB/T 25000.10-2016 [S].北京：中國標準出版社，2016：10.

[2] CHENG T H， CHEN S C， Hariguna T. The Empirical Study of Usability and Credibility on Intention Usage of Government-to-Citizen Services[J]. Journal of Applied Data Sciences， 2021， 2（2）：?36-44.

[3] Sonderegger A， Schmutz S， Sauer J. The influence of age in usability testing[J]. Applied Ergonomics， 2016， 52： 291-300.

[4] Albers D， Radlmayr J， Loew A， et al. Usability Evaluation—Advances in Experimental Design in the Context of Automated Driving Human–Machine Interfaces[J]. Information， 2020， 11（5）： 240..

[5] 劉明華. 復雜環境下基于多特征融合的目標跟蹤關鍵技術研究[D].青島科技大學，2016.

[6] PENG W， CHEN A， SUN Y. A quantum-inspired feature fusion method based on maximum fidelity[J]. IEEE Intelligent Systems， 2017， 32（1）： 80-87.

[7] Yahya A A. Swarm intelligence-based approach for educational data classification[J]. Journal of King Saud University-Computer and Information Sciences， 2019， 31（1）： 35-51.

[8] 張建虎. 面向目標識別的多特征融合研究與實現[D].北京交通大學，2018.

[9]Lewis. The System Usability Scale： Past， Present， and Future[J]. International Journal of Human–Computer Interaction， 2018， 34（7） ： 577-590.

[10] Iqbal T， Bahruni B. Evaluasi Usability Test e-Repository dengan menggunakan Metode Nielsens Attributtes of Usability （NAU）[J]. Jurnal JTIK （Jurnal Teknologi Informasi dan Komunikasi）， 2019， 3（2）： 40-45.

基金項目：廣州市科技計劃項目支持《面向政務信息系統易用性的指標體系及評估模型構建》（項目編號：202102080356）。

作者簡介：曹強（1990—），男，碩士，高級工程師，研究方向為軟件測評。

通信作者：許穎媚（1978—），女，碩士，高級工程師，研究方向為數據融合，E-mail：xuym@gdcc.com.cn。