基于虚拟现实的多粒度用户画像可视化系统

《基于虚拟现实的多粒度用户画像可视化系统》论文发表期刊：《信息技术》；发表周期：2021年05期

《基于虚拟现实的多粒度用户画像可视化系统》论文作者信息：田萌(1981－) ，男，本科，工程师，研究方向为教育信息化、人工智能、虚拟现实。

　　摘 要: 当前的用户画像系统不能实现画像可视化，导致系统综合性能差，为此设计基于虚拟现实的多粒度用户画像可视化系统。根据硬件设计框架，完成硬件设备技术参数设定，并选择合适的模数转换器，以此硬件结构为基础，使用虚拟现实中的像素均值算法，设计多维用户数据可视化窗口，并利用梯度提升算法确定多粒度用户标签，实现可视化显示效果优化。测试结果表明，该系统的可视化界面较为美观且标签关联度较高，说明这种系统的综合性能更优。

　　关键词: 虚拟现实; 多粒度; 图像可视化; 模数转换器; 梯度提升算法

　　Abstract: The current user portrait system cannot realize portrait visualization, which results in poor comprehensive performance of the system. Therefore, a multi-granularity user portrait visualization system baseeon virtual reality is designed. The technical parameters of hardware equipment are set according to the hardware design framework, and the appropriate analog-to-digital converter is selected. Based on this hardware structure, the multiimensional user data visualization window is designed by using the pixel average algorithm in virtual reality, and the multi-granularity user tags are determined by gradient lifting algorithm, so as to optimize the visual display effect, which all contribute to the multi-granularity visualization system.The test results show that the visual interface of the svstem is nice and the tag correlation degree is high which indicates that the comprehensive performance of the system is better

　　Key words: Virtual Reality; muli-granularity; image visualization; analog-to-digital converter; gradient lifting algorithm

　　0 引 言

　　随着信息技术的发展，人们的工作与生活逐步发生了改变。在日常的交流学习中，海量信息在互联网中流转着，使得互联网成为多种信息聚集地，想要在如此庞大的网络数据中寻找所需信息无异于大海捞针[1 - 2]。因此，如何在海量信息中寻找到有用的信息，已经成为目前互联网界研究的重点问题，尤其是对于数据统计人员与学习人员来说，这既是机遇也是挑战。在大数据时代背景下，用户画像技术应运而生。用户画像技术，是一种能够勾画目标用户，联系用户诉求与设计方向的有效工具，到目前为止用户画像技术在很多领域都已经得到了广泛的应用。

　　在用户画像技术发展过程中，多粒度用户画像因其对用户描绘能力较强成为目前应用最为广泛的用户画像技术。当前用户画像系统有基于大数据技术的用户画像系统[3]以及基于 K-means 算法的用户画像系统[4]，但是这两种系统由于未采用可视化技术，导致系统界面美观度较差。随着人们对信息处理的要求不断提升，用户画像可视化系统已经逐步替代用户画像系统工作，以期实现将用户画像以更高阶的形式体现。因此在此次研究中，针对原有系统的不足，设计基于虚拟现实的多粒度用户画像可视化系统。在系统设计完成后，采用测试形式对比此系统与原有系统的性能差异。

　　1 多粒度用户画像可视化系统整体结构

　　在此次设计中系统总体结构如图 1 所示。

　　1. 1 硬件设计

　　为将虚拟现实技术应用到此次系统设计过程中，在软件开发前对系统硬件展开优化，优化后的系统硬件框架如图 2 所示。

　　优化过程主要对数据处理部分以及虚拟现实设备展开优化。在此系统中，利用数据处理硬件对互联网数据展开处理，其技术指标设定如表 1所示。

　　根据上述表格，选择合适的数据处理设备，并将其安装到系统硬件框架中。

　　为将虚拟现实技术有效地应用到此系统中，选用 Google Cardboard[5 - 6]作为用户画像可视化的载体，此设备具有低成本的优势，能够有效降低系统设计成本，经济性能优越。此设备组成部分较为简单，通过硬纸片、凸透镜、磁铁、橡皮筋以及NFC 贴纸，实现可视化过程。由于此设备需要与系统主控芯片相连接，为保证可视化设备的使用效果，进一步对两者之间的通信接口展开优化。

　　在用户画像可视化过程中，需要将其以数据的形式传输至可视化设备中，因此将模数转换器作为可视化设备与系统核心控制器之间的连接点，模数转化器设定如图 3 所示。

　　模数转换器由比较器、逐次比较器、数据寄存器以及控制电路组成。通过此设备将用户画像数据转化为可视化设备可接受与处理的数据形式，以保障系统的可视化性能。将此设备与主控芯片进行连接，通过该设备中设定的通信接口完成其与可视化设备的通信。

　　将上述设定的硬件部分与原有系统硬件进行有序连接，完成多粒度用户画像可视化系统硬件设计优化，并将此硬件框架作为软件模块开发的平台，充分利用虚拟现实技术的功能提升系统运行质量。

　　1.2 多粒度用户画像可视化系统软件设计根据上文中所设计的系统硬件部分，进行软件模块的开发。

　　1.2.1 多维用户数据可视化设计针对系统设计目标，在软件开发过程中主要对多粒度用户画像数据可视化展开处理，使用虚拟现实技术对可视化窗口展示效果进行优化设计。使用虚拟现实技术中的均值算法-对显示窗口的像素均值展开计算，并确定此像素点在系统运行过程中是否存在干扰。具体公式为：

　　采用数据可视化技术找到数据之间隐藏的规律、关系以及变化条件。使用交互式的界面，为多粒度用户画像构建提供显示载体。对用户数据进行分类、排序、组合，采用图像、二维图形等多种形式构建一种既有图形又有图像的显示形式，实现多粒度用户画像可视化。

　　此次使用梯度提升算法，确定多粒度用户画像标签[13-13]。在所采集到的用户数据中采用迭代计算生成D个学习器，然后将D个学习器的预测结果结合起来，从计算残差中确定多粒度用户画像标签。假设fa(a)为f(a)生成的梯度数值，则有：

　　式中，B表示求解器。通过上述计算，可得到数据的梯度值，并通过此梯度值确定数据所属标签，构建多粒度用户画像。

　　将此部分设计的用户画像可视化软件与上文中完成优化过程的系统硬件相结合，完成基于虚拟现实的多粒度用户画像可视化系统设计。

　　2系统测试

　　2.1 测试平台设计

　　在完成基于虚拟现实的多粒度用户画像可视化系统的设计与开发后，为验证此系统的使用效果，进行系统测试与应用效果分析。

　　采用文献[3]系统、文献[4]系统与本文所设计系统进行对比，全面分析不同系统的使用性能。此次测试中使用的服务器均采用私有云服务器，其中应用服务器的运行环境设定为4台计算机集群上，数据库服务器运行在3台计算机集群上，测试平台中共有1个管理节点，4个数据节点。具体测试环境配置如表2所示。

　　根据测试环境参数，搭建系统测试平台，并在此平台中完成系统测试过程。采用本文系统、文献[3]系统、文献[4]系统对采集到的560名互联网用户进行用户画像可视化处理，并根据设定的系统测试指标完成系统之间的性能对比。

　　2.2 系统测试指标

　　在此次测试中，将系统测试指标设定为三部分，分别为用户画像生成时间、用户画像标签关联度以及用户画像标签可视化展现效果。在上述指标中，用户画像生成时间如公式(7)：A=0(7)　　式中，A表示单张用户画像生成时间，w，表示全部用户画像处理时间，n表示用户个数。

　　2.3测试结果分析

　　在系统测试过程中，将测试设定为两部分，一部分为原始用户画像生成时间，第二部分为剔除无用信息后的用户画像生成时间。通过此两部分验证本文系统与实验对比系统的使用差异。三种系统的用户画像生成时间测试结果如表3所示。

　　通过表3可以看出，本文系统的用户画像生成时间明显低于文献[3]系统与文献[4]系统。

　　随着用户人数的不断增加，本文系统的用户画像生成时间没有出现大幅度的变化，文献[3]系统与文献[4]系统则出现了用户画像生成时间过长或是波动的情况。经过上述分析可知，本文系统在用户画像标签处理方面的性能优于传统系统。

　　用户画像主要作用是分析用户的基本特征，因此用户标签关联程度直接影响着系统的性能。由图 4 可知，本文系统的标签关联度较高，通过标签的关联性与对应性可有效分析用户特征。文献[3]系统与文献[4]系统的标签关联程度较低，标签选取较为分散，导致用户画像结构较为松散，不利于对用户展开深入分析。

　　进一步比较三种系统的多粒度用户画像标签可视化展现效果，结果如图 5 所示。

　　由图 5 可看出本文系统的用户画像可视化效果最佳，其排列方式与表现形式较为合理且美观，并可以通过此图像全面了解测试用户的基本特征。文献[3]系统与文献[4]系统的可视化效果较差，使用这两种系统对用户展开分析时效果不好。

　　将上述测试结果整合分析可知，在多个系统性能测试中，本文系统的使用效果最佳，文献[3]

　　系统与文献[4]系统部分指标较差，说明本文系统的应用效果更好。

　　3结束语

　　为提升用户画像可视化质量，设计基于虚拟现实的多粒度用户画像可视化系统，并通过实验证明了该系统具有较好应用性能。但是在该系统设计过程中，没有充分利用用户的社交信息以及头像信息，在未来的工作中需要将此部分与此次设计中使用的用户标签进行有效融合，以提升用户分类的精度，生成更加全面的用户画像。

　　参考文献：

　　[1]蒋明会，苗夺谦，罗晟，等，基于粒计算的多粒度用户画像[].模式识别与人工智能，2019，32(8)：691-698.

　　[2]李文海，彭鑫，丁丹，等·基于日志可视化分析的微服务系统ii.ita机，2019，46(11)：145-155.

　　[3]李锦锐，章家宝，彭梅，基于大数据技术的求职用户画像系统研究与设计D].产业与科技论坛，2019，18(4)：75-76.

　　[4]王洋，丁志刚，郑树泉，等，一种用户画像系统的设计与实现1].计算机应用与软件，2018，35(3)：8-14.

　　[5]张艳丰，彭丽徽，刘金承，等·新媒体环境下移动社交媒体倦怠用户画像实证研究-基于SsO理论的因关系角[报，2019，38(10)：1092-1101.

　　[6]孙辉，吕健，寸文哲.VR系统信息可视化模型[].图2，2018，39(2)：317-326.

　　[7]陈添源，高校移动图书馆用户画像构建实证[].图书情报工作，2018，62(7)：38-46.

　　[8]杜景林，喻亚楠. 基于 SSH 框架的 NC 数据可视化验证系统研究[J]. 现代电子技术，2018，41( 2) : 166 - 169.

　　[9]贾宇飞，赵新俊，赵俊严，等. 特种车辆乘员座舱虚拟现实仿真系统研究[J]. 系统仿真学报，2018，30( 1) :132 - 138.

　　[10]单晓红，张晓月，刘晓燕.基于在线评论的用户画像研究-以携程酒店为例[].情报理论与实践，2018，41(4)：99—104，149.

　　[11]朱长永，张欣，马超，等，基于虚拟现实的激光三维图像增强系统研究[].激光杂志，2019，40(12)：67-71.

　　[12]周哲泓，薛锦云，黄捷文，虚拟现实软件系统开发方法研究.机152，2019，41(11)：1968-1975.

　　[13]张军锋，铁路旅客用户画像系统设计与应用研究D.铁路计算机应用，2018，27(7)：54-57.

　　[14]丁颖，刘延伟，刘金霞，等，虚拟现实全景图像显著性检测研究进展述D].电子报，2019，47(7)：

　　1575-1583.

　　[15]徐恩，於志文，杜贺，等，基于移动感知数据的用户系统].州：版，2019，51(4)：30-36.