顺风车作为低碳出行方式有助于“双碳”目标的实现,为确定能有效提升用户满意度的顺风车平台设计要求,首先通过问卷调查提取二级用户需求,运用Kano模型将用户需求分类并求得需求重要度。然后,结合质量功能展开(Quality Function Deploym...
详细信息
顺风车作为低碳出行方式有助于“双碳”目标的实现,为确定能有效提升用户满意度的顺风车平台设计要求,首先通过问卷调查提取二级用户需求,运用Kano模型将用户需求分类并求得需求重要度。然后,结合质量功能展开(Quality Function Deployment,QFD)分析得出12项顺风车平台的功能设计要求,构建用户需求与平台设计要求的关系矩阵并确定各项设计要求的重要度排序。研究结果显示,重要度最高的3个用户需求为:希望有固定的拼友和司机、司机和乘客可双向选择、希望同乘的司机和乘客有较高的素质和信用;最关键的设计要求为“通勤圈”(社群小组)、双向选择与双向互评打分。最后,建议顺风车平台加入社群资讯功能,形成双向选择、双向互评机制,从而增加用户的使用意愿和满意度。
随着互联网技术的发展以及社交网络的扩大,网络平台已经成为人们获取信息的一个重要途径.标签的引入提升了信息分类及检索效率.同时,标签推荐系统的出现不仅方便了用户输入标签,还提高了标签的质量.传统的标签推荐算法通常只考虑标签和项目两个主体,而忽略了用户在选择标签时个人意图所起到的重要作用.由于在标签推荐系统中标签最终由用户确定,因此用户的偏好在标签推荐中起着关键作用.为此,引入用户作为主体,并结合用户发布的历史帖子的先后顺序,将标签推荐任务建模为更加符合真实场景的序列标签推荐任务.提出了一种基于MLP的序列标签推荐方法(MLP for Sequential Tag Recommendation,MLP4STR),该方法显式地建模用户偏好用于引导整体标签推荐.MLP4STR采用一种跨特征对齐的MLP序列特征提取框架,将文本和标签的特征对齐,获取用户的历史帖子信息和历史标签信息中隐含的用户动态兴趣.最后,结合帖子内容和用户偏好进行标签推荐.在4个真实世界的数据集上得到的实验结果表明,MLP4STR能够有效地学习序列标签推荐中的用户历史行为序列的信息,其中,评价指标F1@5较最优的对比算法有显著提升.
暂无评论