用户信息反馈制度

用户信息反馈制度（共12篇）

篇1：用户信息反馈制度

汽车维修用户质量反馈及处理制度

1． 在本站业务室设置用户意见簿及发放《维修质量信息反馈表》，请车辆单位或驾驶员对本站的车辆维修情况、质量管理及设施条件、服务态度等提出意见和建议，业务室每月汇总一次报站部

2． 定期或不定期地对车辆用户单位进行质量访问，跟踪已修车辆的质量，征求和交流车辆单位及驾驶员对；车辆维修质量的看法和要求，帮助解决有关质量和技术问题。

3． 主动掌握质量信息，上门访问应做好详细记录，访问后应及时整理、汇总有关质量和技术问题。用户来电、来访应热情接待，及时答复有关问题

4． 站部应及时召开由有关部门参加的质量技术会议，认真研究分析用户提出的问题，提出改正意见和处理办法，并明确职责，落实整改措施，避免类似问题的发生。

5． 主动接受运管和技监部门对本站车辆维修质量、质量管理及其它有关方面的工作指导和提出的批评，虚心向同行文明企业学习，不断提高车辆维修质量和服务质量。

篇2：用户信息反馈制度

批评是一个网页设计师的生活的一个重要组成部分，网页设计师的自白处理用户反馈信息

作为一个网页设计师，我已经收到了很多反馈，为我自己的网站上。因此，让我分享这将有助于您轻松地处理用户反馈的一些技巧和窍门。看一看在处理我多年的经验与用户反馈的一些提示和技巧。

批评是一个网页设计师的生活的一个重要组成部分。但通常，这样的反馈是不是真的地道。例如，一方面，用户可以在您的网站上发表评论，只是因为他们是在一个快乐的心情和，高度称赞你网站LOGO设计的努力。另一方面，他们可能会嘲笑你，即使你已经做了相当不错的设计工作。总之，你不能依靠所有的反馈-正面和负面的，从您的最终用户。

不要把它太个人

不要让我们的反馈对你个人的影响，同时分析反馈，确保整个事情的深度，你不进入。每个人都有权自己的意见，你必须明白这一点，不要让任何负面的反馈伤害了你的感情。

例如，用户可以发表评论，如“本网站是一个眼中钉”。话虽然是苛刻的，所有用户的意思是，你的网页看起来很混乱，他或她必须有一个不好的用户体验，如导航问题或可用??性问题在网站上。因此，在这样的情况，而不是愁眉苦脸，回来工作，满腔热情地从网站上删除不需要的元素。

这将获取更好的从用户的意见。有相同的用户，是谁给了负反馈，欣赏您对您的网站的改进，并给予积极的反馈，下一次的机会！

不要失去信心

无论说什么关于您的网站，只是对你的工作有信心。将有几十个评论，电子邮件和其他的反应，通过它，你的客户就会给你反馈您的网站。做好最坏的打算，你可能会得到双倍的负反馈量不是积极的，但不要让这些让你拉下来。

也许，一些用户将完全注销您的网站。但是，这并不意味着你已经工作做得不好，它只是意味着你在未来做的更好，有范围。只要经过所有的反馈，并记下在一张纸上的正面和负面的意见。如果你发现，你得到专业标志设计类似的意见，过于频繁，那么只需要一个电话，在网站中进行更改。

广州哲仕品牌企业形象设计公司：http:///

不想质量而不是数量

无论是任何类型的网站，将吸引大量的反馈意见不同的人。更多的话，比在后一阶段中的初始阶段。但，请记住，不是所有的用户都是专家，因此，他们不会为您提供每一次适当的反馈。

因此，不是所有的用户说什么，通过过滤的反馈和了解的人至少有一定的专业知识的主题/网站的反馈。这些意见和修改您的网站。这将有助于你得到积极的结果，下一次开始。

篇3：用户信息反馈制度

网络技术的迅猛发展, 为信息检索提供了全新的服务, WWW已经成为人们获取信息的一个主要手段。网络信息服务在给人们带来极大方便的同时, 也面临新的问题和挑战。面对网络提供的海量信息, 人们更需要的是能够从中准确地找出自己真正需要的信息。

由于不同的用户个性方面存在一定的差异, 对于同样的查询, 他们感兴趣的结果会有所不同。现有的搜索引擎多采用基于关键字的检索策略, 没有或很少考虑用户的个体差异, 即对于不同的用户给出的相同查询请求, 返回的结果集合是完全相同的。若能充分考虑用户的个性差异, 则检索结果将更具个性化, 更符合用户的实际需求。

兴趣模型能较好地反映用户的个性信息, 是个性化信息服务的基础。本文给出一个具体的用户兴趣模型, 该模型基于用户对检索结果的反馈行为, 通过用户的反馈行为不断地完善兴趣模型, 并将兴趣模型应用于检索系统中, 使检索结果的个性化程度得到提高。

1 基于用户反馈的兴趣模型

用户的兴趣主要体现于显性信息和隐性信息, 显性信息包括用户的年龄、职业、性别等, 隐性信息多来自于用户的上网行为[1,2]。同一个用户, 在不同的时间段内, 兴趣范围也会有所差异。

显性兴趣特征虽然能在一定程度上体现用户的兴趣, 但是该类信息的获取多是依据用户上网时填报的一些基本信息, 信息的真实程度存在一定的限制。而隐性兴趣则体现的是用户真实的上网行为, 对用户的兴趣进行真实客观的描述。基于上述原因, 本模型中主要考虑用户的隐性兴趣特征。

1.1 用户兴趣的表示

隐性信息主要考虑用户对检索结果的几种处理方式, 按对相应网页的感兴趣程度从高到低排列为保存/下载, 添加至收藏夹, 浏览网页, 未打开[2,3], 分别记为f1, f2, f3, f4, 为每种操作设置一个权重值аi, 1≤i ≤4, 权重值越大, 表示兴趣程度越高, а1=0.9, а2=0.85, а3=0.5, а4=0.05。

将检索结果集合中的网页分为若干类, 如按信息分类原则分为政治、经济、教育、文艺、体育、科技等大类, 每一大类下又可分为若干小类, 设一共分为n类, 对每一类信息计算用户的兴趣值。

用户兴趣的表示有不同的方法, 常用的有矢量空间模型, 概率模型, 布尔模型, 推理网络模型等, 本模型采用矢量空间模型。

某一用户对第i类信息的兴趣值记为valuei, 其中undefined, 其中pageij为该用户对i类网页采取第j种操作所占该类网页总数的百分比。则用户对n类信息感兴趣的程度可用一个n维向量表示 (value1, value2, …, valuen) 。

1.2 用聚类产生兴趣模型

为每一个用户都建立一个兴趣矢量, 根据对用户上网行为的监控不断地更新用户的兴趣值, 这种方法虽然能最真实地反映每个用户的兴趣, 但由于网络用户数量非常庞大, 导致兴趣库数据巨大, 操作和维护都难以实现。本模型采用聚类的处理方式, 将兴趣程度相近的用户归为一类, 在用户兴趣库中记录的是各类用户的兴趣矢量, 而不是单个用户的兴趣矢量。

首先随机选取一批用户, 设用户数目为m, 对他们一段时间的上网行为进行跟踪, 产生初始的m个用户兴趣矢量, 以这m个矢量作为初始数据进行聚类处理, 产生K类不同的用户兴趣模式。

m个用户对n类信息的兴趣值表示成一个m×n的矩阵D1, 该矩阵为用户兴趣值的数据矩阵, 其中Xij代表第i个用户对第j类信息的兴趣值。将兴趣值数据矩阵转换为相应的兴趣值相异度矩阵D2, D2为m×m, 其中dij为用户i与用户j的兴趣差异。相异度矩阵表示不同用户之间的兴趣值差异程度, 差异值用下式计算[4]:

undefined

数据矩阵、相异度矩阵分别如下所示。

undefined

常用的聚类算法有划分方法, 层次方法, 基于密度的方法三大类, 其中划分方法算法相对简单, 易于理解与实现, 采用划分方法中的一种:k-平均方法。设聚类后簇的数目为k, 具体过程如下[4]:

①任意选择k个用户, 分配至k个簇中, 每个簇包含一个资源, 该资源为对应簇的重心。

②重复以下过程:对每一个用户, 将其赋给离它最近的簇中。

对于更新后的簇, 重新计算它的重心。

直到上一次的簇分布与本次簇分布相同为止。

聚类将用户分为k簇, 用每簇的重心代表该簇用户, 对应的k个重心表示的兴趣矢量作为兴趣库中的k 个兴趣模板, k个兴趣模板表示为X1, X2, …, Xk。初始兴趣模板的产生如图1所示。

2 模型在信息检索中的应用

搜索引擎返回的检索结果集合往往包含大量的数据, 缺乏个性化的检索机制直接将结果返回给用户, 而未考虑用户的兴趣差异。这样用户需要花费大量时间从中挑选出自己需要的信息, 往往导致用户只是浏览了排在结果集前面的信息, 而忽略了后面的信息。

利用兴趣库中的兴趣模板, 可以对检索结果集合中的信息进行二次处理, 使返回的结果更符合用户的要求。采用两种途径来优化查询结果, 一是通过用户的反馈行为, 确定用户所属的兴趣类型, 将检索结果集按该类兴趣进行重新排序;二是通过用户的反馈行为, 在查询请求中增加新的查询关键词, 使查询更能反映用户实际的查询要求。在利用反馈对检索结果进行优化的同时, 将用户的反馈行为记录于浏览行为库中, 根据浏览行为库中的数据对兴趣模板进行适当地调整和更新[5]。兴趣模型在检索中的应用过程见图2。

2.1 利用反馈对检索结果集重新排序

首先让用户对检索结果集合中的前L个结果进行处理, 记录用户的处理情况, 用上述公式 (1) 计算出用户在这L个结果中反映出的兴趣矢量Z (Z1, Z2, …, Zn) , 将Z与兴趣库中的兴趣模板进行比较, 选择与其距离最近的兴趣模板作为用户对本次查询的兴趣矢量。Z与兴趣模板Xi (1≤i≤k) 的距离用公式 (1) 计算得到。

根据所确定的用户兴趣矢量, 对检索结果集合中的信息在简单分类的基础上重新进行排序, 用户兴趣矢量中各分量值从大到小排列, 所代表的类依次记为lx1, lx2, …, lxk, 属于lx1类的信息首先提供给用户, 其次是属于lx2类的信息……。这样使得整个结果集合中信息的排序符合用户对前L个信息处理所反映出的兴趣情况。

利用用户反馈对检索结果集合进行重新排序, 不需要进行二次检索, 可以通过将兴趣矢量中值较小的分量对应类的信息去掉的方式来减少集合中信息的数量。

2.2 利用反馈形成新的查询请求

另一种方法是利用用户对前L个检索结果的反馈, 对查询请求进行扩充, 在原有的查询请求中加入新的查询关键字, 使其能更好地反映用户的查询需求。具体实现方法为:取用户兴趣矢量中值较大的前k′个分量, k′< k, 在前k′个分量对应的k′类信息中, 对用户反馈行为保存等的信息进行分析, 将每一项对应网页标题中出现频率较高的前r个词加入查询, 形成新的查询请求, 在检索结果中以新加入的查询词进行二次查询, 二次查询返回的结果作为最终的查询结果提供给用户。

对查询请求进行扩充的方法, 检索质量的好坏主要由新加入的查询词所决定。本算法中为了简便, 只是考虑了网页标题中出现频率较高的词, 更好的方法是对用户兴趣程度很大的网页正文进行处理, 将在正文中出现频率较高的词汇作为二次查询的关键词。

2.3 反馈对兴趣模板的调整

在利用兴趣库中的兴趣模板对检索结果进行个性化处理的同时, 用户对检索结果的反馈也对兴趣模板产生影响, 使兴趣模板能适时动态地反映用户兴趣的聚类。

记录用户对整个检索结果的浏览行为于浏览行为库中, 采用以下方法对兴趣模板进行更新。若用户user1, user2, …, usern通过对前L个检索结果的反馈归为第s类用户, 1

3 实现的关键技术

系统实现中关键技术是对检索结果的分类以及聚类处理。无论是对检索结果进行重新排序还是进行二次检索, 实现过程都需要对检索结果做简单的分类处理, 处理过程需要耗费一定的时间, 且分类质量的好坏直接影响重新排序的效果。产生初始的兴趣模板, 以及根据用户反馈对用户模板的调整过程都要使用聚类处理, 且两者在实现细节上有一些差异。

3.1 检索结果的分类

检索结果集合中的每一项信息实际上对应的是一个超链接, 严格地分类应该对超链接所对应的网页进行。网页分类需要对网页信息进行提取, 对网页正文进行提取则在时间上耗费较大, 且标题能在较大程度上对内容进行描述, 本模型中不需要对网页进行很精确的分类, 故本模型中对检索结果的分类是以超链接的标题作为分类对象, 采用向量空间法进行分类。

向量空间法将待分类标题及类型模板表示成向量形式, 计算待分类标题向量与各类模板向量的匹配值, 选取匹配值最大的将其归类。第i类模板向量表示为Di (di1, di2, di3, …, din) , 其中dij表示第i类模板中第j个特征项的权重, 待分类向量表示为Q (wq1, wq2, wq3, …, wqn) , 其中wqj表示待分类标题中第j个特征项的权重, 以下式计算两者的匹配程度[6]:

undefined

SC值越大, 表示相应的匹配程度越高。

每种类型选择适量的训练文档, 类型模板的向量表示从训练文档集中各文档的标题中获取, 以下式计算dij值:dij=tij*idfj, 其中tij为项tj在模板Di中出现的次数, idfj=log (d/dfj) , dfj为训练文档集中包含项tj的数目, d为训练文档集的总数。类型模板的向量可以对实际分类过程进行学习, 对模板向量进行修正。待分类标题中第j个特征项的权重wqj可以简单处理为该项在标题中出现的次数。

3.2 聚类算法的处理

产生初始兴趣模板的聚类处理相对简单, 只是反复执行聚簇过程直到得到满意的聚类结果即可。k-平均方法需要事先确定聚类产生的簇的数目k, 需要选择一个较为合适的k值, 若k取值太小, 则聚类结果不足以反映不同簇之间兴趣程度的差异, 若k取值太大, 导致簇间差异太小。分别取k等于信息的类别数目n, k稍大于n, k稍小于n进行实验, 结果发现当k稍大于n时聚类效果较好, 具体实现时取k等于n加n′, n′取值范围为6～10。

利用反馈对兴趣模板进行调整, 将新产生的兴趣矢量加入聚类空间, 当新加入的兴趣矢量对簇的重心影响较大时, 就重新进行聚类处理。设定一个阈值, 当新聚类产生的兴趣模板与原来的兴趣模板差异达到给定的阈值时, 可以适当地对k的取值进行调整。

4 结束语

将用户反馈行为所反映出来的兴趣模型应用于检索系统中, 能较好体现不同用户的个性需求, 使信息检索能为用户提供更好的服务。

未来的工作是将分类机制与聚类机制进一步完善, 分类中除了考虑标题外, 还适当地增加正文内容的处理, 使分类效果更为理想。

参考文献

[1]王志军, 于超.基于隐式反馈的个人信息检索技术及实现[J].计算机工程, 2003, 29 (6) :158-159.

[2]曾春, 刑春晓, 等.个性化服务技术综述[J].软件学报, 2002, 13 (10) :1952-1961.

[3]郭岩.用户兴趣空间的Web页面聚类[J].微电子学与计算机, 2003, 20 (8) :10-14.

[4]Jiawei Han, Micheline Kamber.数据挖掘:概念与技术[M].范明, 孟小峰, 等译.机械工业出版社, 2001.

[5]李勇, 桑艳艳.Web智能检索中动态相关反馈技术研究[J].情报理论与实践, 2003, 26 (2) :178-181.

篇4：浅谈建立日常教学信息反馈制度

关键词：高校教学；信息反馈；建立制度

一、日常教学信息反馈的重要性与必要性

高校日常教学信息是高校各院系、各专业、各班级的每日教学质量信息。这种动态的第一时间掌握日常教学信息能为学校教学管理提供有力的帮助。为此，日常教学信息反馈在学校教育教学工作中是一项极其重要且非常必要的工作之一。学校教务处根据各个院系汇总上交来的各项日常教学信息利用专业数据软件进行科学的分析，从一系列数据能看出教学质量、教学问题、教学整体状况等，这无疑能让教务处尽早掌握每日学校教学的动态信息。对于日常教学信息中碰到的问题能够及时发现，让教务处、院系领导、教研室各级教学领导商讨解决问题的办法，尽早解决问题，以提高教学质量。因此，日常教学信息反馈是一项很重要的

工作。

二、制定日常教学信息反馈制度的可行性

各高等学校根据学校实际情况，可以制作不同的日常教学信息表格或者记录表，利用数据软件科学分析得出相应的数据，用

数据说话，用数据揭露教学问题等。对于学校教学管理的教务处部门而言，无论是从掌握日常教学信息的时效性，还是从掌握日常教学信息的主动性，日常教学信息工作的推广具有现实的可行性依据。因此，从日常教学信息反馈的重要性与必要性考虑，高校建立并完善日常教学信息制度能保障此项工作的顺利开展。

三、制定日常教学信息反馈制度的现实考虑

为了更好地为学校教学服务，如何制定日常教学信息反馈制度要基于学校教学资源来考虑，具体如下：

首先，学校教务部门从此项工作的重要性为出发点，让教务部门教务员能按照一定的工作制度执行工作。其次，为了让其他部门共同配合此项工作，针对各部门、不同工作内容需要制定一个合理的制度，让日常教学信息反馈工作在规章制度中能顺利开展工作。第三，制定日常教学信息反馈制度是为了让学校相关部门、教师和学生能够重视此项工作，让相关部门、教师和学生能够认真对待此项工作，各司其职地做好工作。第四，制定日常教学信息反馈制度的原则是为了配合学校各项事务依制度办事。

四、日常教学信息反馈制度实施的重要性

高校日常教学信息反馈工作的开展是一项重要工作，为了保障这项工作的顺利开展需要建立一个工作制度。日常教学信息反馈制度实施具有很大的重要性，具体如下：

1.加强系、教研室对教学质量监控的权重

高校日常教学信息反馈制度能加强系、教研室对教学质量监控。以往教务处对各系、教研室的教育教学信息了解渠道少且都是被告知的行为，甚至很多系别对本系中个别班级出现的问题采取“报喜不报忧”的策略，对教务处有所隐瞒，因此，教务处很难在第一时间了解各系、教研室、班级的教学现状与问题。如今有了制度的保障，能让学校教务处第一时间了解以往得到信息慢、信息少的局面，在这个制度中厘清了教务处、各系、教研室对教学质量信息的监督力度，这些部门通力合作，促使学校教学质量能够得以改进、提高。

2.增强师生的沟通，提升教育教学质量

高校日常教学信息反馈是在每天的工作中开展的，让师生的问题能够及时解决，让师生能够和谐相处，此举改变了以往师生沟通不畅的局面，真正地让学生理解教学难点，也让老师摸清学生的情况，为教师在以后的教学中提供一定的教学建议，为学校教学的提升提供了现实依据。

3.从数据着手，利于教学规范化、秩序化

由于日常教学信息反馈有很多数据表格与记录情况，教务处依据此项工作制度对每日反馈的教学信息进行汇总，利用数据软件进行合理分析学校每个系别、专业、班级之间的不同问题，用这些数据来说明情况、反映问题。在数据化管理规范化的教育时代，从数据上看高校日常教学信息反馈有利于学校各专业的教学规范化、秩序化，从而提升学校教学的有效管理。

高校日常教学信息反馈一直是当前各高校教务部门所做的工作。文章从日常教学信息反馈的重要性出发，分析制定日常教学信息反馈工作制度的可行性以及分析此工作制度实施的重要性，这些浅见有待于各学校实际摸索。对这项工作的顺利开展该制定怎样的制度，相关学校可以依据自身学校优势与条件，走出一条适合本校发展之路。

参考文献：

[1]郝银菊，刘志宏，姜怡邓.建立高校学生教学信息员制度：促进教学质量的提高[J].宁夏医学院学报，2007（02）.

[2]亢继俊，李长萍，何云峰.关于高校教学信息员队伍建设的思考[J].山西农业大学学报，2006（S1）.

[3]王亚伟，石道金，王守信.学生教学信息员制度的实践与探索[J].中国林业教育，2002（03）.

（作者单位 文华学院经济与管理学部）

篇5：瓦斯信息反馈制度

为了保证监控系统正常运行，为矿安全保驾护航。特制定本制度：

1、监控员只要发现系统有瓦斯超限报警，包括瓦斯超限，零点偏移等情况，及时向监控室负责人报告。

2、监控室负责人接到瓦斯超限信息后，一方面积极组织维护人员处理，一方面向矿技术负责人、矿长进行汇报。

3、监控室负责人要对瓦斯超限处理全程并及时上报上级监控中心备案。

4、超限原因查清后，认真填写记录，及时通知市局监控中心。保证系统数据正确上传。

篇6：信息反馈制度

为使公司的管理制度更加规范化，及时掌握市场信息，加强与客户之间的联系和沟通，更加合理的利用客户资源，为公司创造更大的效益，来推动公司销售工作向前发展，特制定以下相应的制度：

1、每位销售人员出差期间，每天结束工作后都要与区域经理汇报当天的工作情况，以便于更好的了解工作进展和解决所遇到的问题。（一般情况下以短信的方式为主）

2、市场经理有权根据销售人员的出差计划，在销售人员出差期间，随时监督和追踪销售人员工作进展和完成情况，以便于公司对市场情况的整体把握。（事前经总经理批准，向销售人员的上级通报）

3、在公司现有资源能够提供的前提下，销售人员可向区域经理取得有关技术、价格、竞争对手、公司政策等各种支持。

4、区域经理会定期的把市场的最新情况汇报给总经理及向相关人员作以通报，同时考核销售人员的执行情况。

5、市场经理将及时通知全体员工公司最新出台的政策和制度并追踪执行。

6、每位销售人员在每次出差前后，都要与区域经理进行一次面谈，以便于更详尽细致的了解出差计划及客户和市场的情况，面谈资料汇报总经理。

7、每位销售人员在每次出差回到锦州办公室后，必须整理出差期间拜访客户的详细资料，上交区域经理。

8、所上交汇报及表格以邮件的形式发给行政秘书、区域经理各一份。

如若：销售人员每周一08：00AM之前和在每月1日08：00AM前，未能上交相应报表，则将在当事人本月工资内每次扣除100元，记口头警告一次（两次口头警告等同一次书面警告）。

附录：见《客户信息表》、《其它厂家MRI用户信息表》、《工作周报》、《工作月报》

行政办公室

篇7：临床输血信息反馈制度

为了了解临床输血及治疗性血液成分单采、置换术的治疗效果及输血不良反应，以提高临床输血疗效，更好地为临床服务，制定本制度。

1、临床输血应严格掌握输血指征，患者输血后若达不到预期效果，或病情比输血前加重，又不能用原发病解释时，应及时向输血科反馈，或请临床输血管理委员会指定专家会诊，共同分析原因，重新制定输血治疗方案。

2、临床科室在进行输血治疗时，一旦发生输血不良反应，必须填写患者《输血不良反应回报单》或《输血不良反应记录表》，并及时送回输血科。在紧急情况下先处理患者并电话告知输血科，后填写《输血不良反应回报单》或《输血记录表》。回报单或记录表是输血反应的凭据，未送此单者输血科视为无输血不良反应发生。《输血不良反应回报单》或《输血不良反应记录表》须保存10年。

3、输血科应由专人每月去临床科室进行一次临床输血信

息调查，了解临床输血疗效及不良反应发生情况，征求临床意见，以便为输血科改进服务提供依据。

4、如有临床科室要求输血科协助处理输血相关疑难问题时，输血科应积极给予配合，并作书面记录。

篇8：基于隐式反馈的用户兴趣漂移方法

人们正在寻求一种将用户感兴趣的信息主动推荐给用户,对不同的用户提供不同的服务策略和服务内容的服务模式,即个性化服务的信息方式。用户兴趣模型准确与否是个性化服务系统的关键部分,根据用户访问的行为研究用户兴趣的改变是提高个性化服务质量的重要部分。本文研究用户兴趣漂移问题,即用户兴趣改变时,如何将用户新的兴趣和当前的兴趣进行合并成为新的用户兴趣的方法。

1 研究现状

目前,很多系统采用不同方法处理的用户兴趣漂移。最简单的方法就是认为用户只对最近访问的概念感兴趣,即时间窗口[1](Grabtree 和 Soltysiak);Widmer、Kubat和费洪晓在时间窗口方法的基础上进行了改进[2],使窗口的大小能随着系统预测精度的变化而自动调整;Maloof 和 Michalski[2]采用一种遗忘函数来衰减样本;还有离线的学习方法、渐进遗忘的方法等[3,4]。

分析以上方法,我们发现如下问题:

(1) 在用户兴趣度估计中,研究者比较适宜选择的浏览行为是用户的显著行为和用户在页面上的驻留时间。以下几个行为被认为是兴趣度估计浏览行为的合适组合:保存页面;打印页面;访问同一页面的次数;将页面存于Bookmark,在页面上的驻留时间。研究者一般都赋予这些行为以一定的权值,通过用户浏览网页的行为而得到该网页的权重,以便表达网页和用户兴趣的相关性,结合网页关键词得到用户的特征向量。这些行为的权值计算方式大致采用两种方式:在浏览中把用户的各种行为的权值相加;当以上几种行为同时发生时只取其中一个最大值 。第一种方式的前提是所有行为的出现都相互独立,将导致放大网页对用户兴趣表达的重要性;第二种方式的前提是所有行为的出现都是相互关联的,将导致缩小网页对用户兴趣表达的重要性。

(2) 一些方法对兴趣的处理简单地认为只对最近访问的感兴趣,用户兴趣窗口大小不变,利用滑动时间窗滤除过时的兴趣,这只是单纯的先进先出的思想,没有考虑到原有兴趣和最近到达的兴趣的综合影响,过于强调用户兴趣的即时性,忽略了持久性。虽然有些网页近期点击得少了,但它们是用户长期兴趣关注的主题,系统不应把这些网页排除在推荐网页之外。

(3) 上述方法主要侧重遗忘的方法,采用遗忘函数来衰减兴趣的权重,对遗忘函数进行了各式各样的改进,这种方式过于注重时间因素,忽略了去主动发现用户新的兴趣所在。

(4) 以上这些用户模型更新方法很少将用户的长期兴趣和短期兴趣区分开来。

2 基于隐式反馈的用户兴趣漂移方法

2.1 基本思想与相关概念

如图1所示,本模型基于向量空间模型,以向量的形式来表示文档和用户的兴趣,采用综合考虑计算网页特征项与用户行为的方式来确立用户的兴趣度。对用户兴趣模型采用用户的短期和长期兴趣来建立和表达用户的兴趣,短期模型代表用户的近期兴趣,由用户的短期行为观察得到;长期模型表示用户的长期偏好,由长时间发展积累得到。当一种短期兴趣的出现次数积累到一定程度时,则将此兴趣交给长期模型处理。根据两种模型的特点,对于长期模型和短期模型应采用不同的更新方法。短期模型更新采用滑动窗口法,长期模型更新采用最近最少使用淘汰算法,按照“到目前为止最少使用的兴趣,很可能也就是将来最少使用的兴趣”的原则,将最近最少使用的兴趣淘汰。

以下给出一些相关概念:

定义 1 定义用户兴趣模型中每个用户的兴趣可以表示为:

I={(I1,W1 ,T1 ),(I 2,W2,T 2),…,(In,Wn,Tn )}

其中Ii为用户兴趣类别主题词,Wi为其兴趣度权重,Ti表示该兴趣最新一次更新的时间。

定义 2 用户每类兴趣主题Ii包含很多Web页面,都可以用如下公式表示:

Ij= {(dj1,dj2,…,djl); Vj}

其中,(dj1,dj2,…,djl)是Ij类的文本集; Vj是第Ij类的中心向量。

2.2 基于概化方法的兴趣主题词抽取

数据概化是将复杂结构的数据集从较低的概念层抽象到较高的概念层的处理过程。经过聚类分析,用户所浏览的历史页面集合会按照一定的主题类别分成多个聚簇,每个簇内的页面都或多或少地与某一主题相联系。这就需要找到一个主题词来准确地描述每一个簇所包含的主题。主题词抽取的主要思想是一个概念层次可以用一棵树来表示,树的节点表示概念,树枝表示偏序关系。首先构造领域概念层次树,然后寻找依赖于目标的数据特征,对数据进行概念分层,在概化过程中,去除不必要的属性和属性值,生成可用高层概念表达的数据一般性规则。在概念树中,上一层的概念可以看成是下层概念的覆盖,而下层概念则是上层概念的一个划分。

2.3 用户兴趣抽取

当用户浏览一个Web文本时,将其用特征向量表示。即先将文本进行分词,并剔除其中不重要的词,构成文本的特征向量V(d) = {t1,w1(d);…;ti,wi(d);…;,tn,wn(d)},其中,ti为词条,wi(d)为词条ti在文本d中的权值。文本特征向量表示方法的一个重要问题是如何为表示文本的词分配权值。本文采用TF×IDF加权方案:

w(di) = tfi(d)×log(N/ni) (1)

其中,tfi(d)为词条ti在文本d中出现的频率;N为分类库中文本的数目;ni为分类库中含有词条ti的文本数目。得到文本特征向量后,对文本进行聚类分析,将文本的特征向量与分类库中每一类的中心向量相比较,采用余弦系数计算向量间的相似度:

sim( Vj, V(d)) =Vj·V(d)/| Vj|×| V(d) | (2)

其中, Vj是第Cj类的中心向量。找出与文本d的特征向量最近的中心向量,并将文本归入该类。

设定某个初始的相似度阈值为sim(I),若文本与用户的相似度sim( Vj, V(d))≥sim(I),就认为该文本是用户已经建立的兴趣类,否则将给用户建立一个新的兴趣类。

2.4 用户兴趣度指数的计算

研究表明,用户的许多浏览行为中都能很好地反映用户的兴趣,在用户兴趣度估计中,比较适宜选择的浏览行为是用户的显著行为和用户在页面上的驻留时间。文献[7]的研究网页L的五种最小浏览行为表示为:保存页面(S(L))、打印页面(P(L))、将页面存于书签(B(L))、重复访问的次数(R(L))、在页面上的驻留时间(T(L))。这些行为在不同程度上反映了用户对页面L的兴趣,但是,进一步分析后可以发现:1)复制、粘贴、拉动滚动条等行为必定增加网页浏览时间;2)保存的页面、标记书签的页面,以后会被用户多次调出来重新浏览,这体现为访问次数。所以,能够揭示用户对网页L兴趣度的关键的两种行为是:在网页上的浏览时间t(L) (简称T行为)和对网页的访问次数r(L) (简称R行为)。为了找到T、R行为与网页兴趣度之间的定量关系[7],必须进行详细的分析和实验。实验分析后得到兴趣度量化估算公式:

I(L) = a×t(L)+ b×r(L)+ c (3)

其中a、b、c是与t(L)和r(L)无关的一组常数(站点类型不同有不同的值,为一经验值)。

用户对每类兴趣的程度我们采用网页特征项的权重和用户使用网页的行为综合来体现,通过TF×IDF来计算网页特征项的权重,I(L)是从用户行为得出的该用户对页面L的感兴趣程度。则每个文档的兴趣度可以表示为:

w(di) = tfi(d)×log(N/ni) ×I(L) (4)

那么每一类主题的兴趣度可以表示为:

W(I)= w(d1)+ w(d2)+…+ w(dn) (5)

2.5 用户兴趣漂移的算法实现

基于混合模型的方法计算用户兴趣的漂移的过程为:首先将新发现的用户的兴趣用短期模型处理,同时此兴趣若存在于长期模型中,则直接用长期模型处理;然后,将此兴趣的出现次数递增,判断此概念在短期模型中出现的次数是否达到一定的阈值,是,则交给长期模型处理,否则结束,继续下一个兴趣。

具体算法描述如下:

步骤 1 对用户浏览页面进行数据预处理,由式(2)判断该兴趣是否在用户的短期兴趣窗口中,若当前短期兴趣窗口中存在元素I,则将 I 出现的次数加 1。若当前的短期兴趣集合超过窗口大小 L,将窗口中最旧的元素去掉。

步骤 2 判断I是否存在于长期模型中,是则转步骤 5,否则转步骤3。

步骤 3 若 I 在短期兴趣中出现的次数大于某一阈值(w_size),则转步骤4,否则转步骤 6。

步骤 4 从用户短期兴趣模型中将该类兴趣移入长期模型中。

步骤 5 修正用户模型中的内容,更新该类的兴趣主题词的权重(式(3)、式(4))和时间,并将长期模型中距离当前时间最久的兴趣类淘汰。

步骤 6 结束

采用上述算法,实验所采用的数据来源某用户3个月浏览600张网页和浏览各个网页的浏览行为数据,首先,对这组数据我们采用层次聚类法和平面划分法(K-means 算法)相结合的新聚类算法进行聚类分析,网页集包括5个兴趣主题,分别为体育、娱乐、财经、健康、IT。得到如表 1 所示结果。

在 5 个兴趣主题页面组中,我们选取了体育和娱乐库两个页面组进行浏览行为分析,得到了浏览时间和翻页/拉动滚动条次数与页面兴趣度的经验回归方程为:Lj=0.1300x1+0.1017x2+ 62.0492。根据式(5)计算得到如表2 所示用户兴趣结果。

根据实验结果我们发现:160 张体育类的权值为 109.404,少于142 张数据库的兴趣子类的权值111.992,从用户行为数据表明用户对体育的兴趣浓度高于娱乐,这恰好与传统计算方法相反。该结论与我们采用人工分析的结果一致,由于体育类页面组内包含了较多的辅助页面和噪音页面,这些页面包含信息量远远低于内容页面所包含的信息量,因此其兴趣类的权值较低。

对用户浏览行为分析计算得到用户浏览行为兴趣度,然后对用户浏览内容进行特征提取,经过兴趣度调整,得到用户兴趣主题和特征项的兴趣度,形成用户短期兴趣模型,通过加入主题词的时间间隔形成用户的长期兴趣模型,采用漂移算法进行更新。

定义漂移算法的精确度:

算法的精确度=某次正确识别用户的兴趣数/

某次用户感兴趣总数

算法的精确度衡量了算法所调整的用户的兴趣与实际的兴趣改变的吻合程度,精确度越高说明算法越符合用户实际兴趣的变化。分别将本模型与滑动窗口、渐进遗忘三种算法的精确度进行比较,其结果如图2所示。

3 结束语

本文分析了用户兴趣模型在建立阶段的信息源提取的方法,指出当前模型建立方法存在的不足以及模型更新阶段的漂移策略的缺陷。针对这些问题,设计了一种改进的基于隐式反馈的用户兴趣漂移模型,阐述了模型的总体框架,详细介绍了模型在用户兴趣度获取和用户兴趣漂移策略方面的改进,介绍了模型实现的主要步骤。最后,把本文提出的模型与遗忘策略模型、滑动时间窗口模型在回率固定的情况下,做了精确率的对比实验,实验结果显示该模型的性能优于其它三个模型。

摘要：针对现有用户兴趣模型在模型建立以及更新阶段漂移策略的缺陷,设计了一种改进的基于隐式反馈的用户兴趣漂移方法。将用户兴趣分为长期兴趣和短期兴趣,对短期兴趣采用滑动窗口处理更新,对长期兴趣采用最近最少使用淘汰算法,并将该模型与遗忘策略模型、滑动时间窗口模型做了精确率的对比实验,实验结果显示该模型的性能优于其它三个模型。

关键词：用户兴趣模型,VSM,遗忘策略,滑动时间窗口

参考文献

[1]曾春,邢春晓,周立柱.个性化服务技术综述[J].软件学报,2002.13(10):1952-1961.

[2]Bollacker K D.Lawrence S,GilesC L.Discovering relevant scientif-ic literature on the Web[J].IEEE Intelligent System,2000,15(2):42-47.

[3]Sugiyama K,Hatano K,Yoshiakawa M.Adaptive web search based on user profie construction without any effort from users[C]//WWW2004.Nes York:[s.n.],2004:152-156.

[4]Goecks J,Shavlik J.Learning Users’Interests by Unobtru-sively Ob-serving Their Normal Behavior[C]//Proceedingsof the ACMIntelligent User Interfaces Conference(IUI).2000.

[5]Liang TP,Lai HJ.Discovering User Interests from Web Browsing Be-havior:An Application to Internet News Services[C]//Proc of the35th Hawaii Int’l Conf on System Sciences.2002.

篇9：如何看待用户反馈

我有一个公开可见的Twitter账号（@plibin），我的电子邮件地址也很容易猜到，所以许多人会直接告诉我他们对Evernote的喜爱和不满。一个任何用户都能直接写信给CEO的公司，肯定也是一个善于倾听员工声音的公司。

我们还有Facebook主页、博客、论坛等等渠道；很多人在不同的App Store中以及不计其数的网站上评论我们的产品；我们会组织用户聚会，同时还有Evernote大使，我们还做播客。就像鱼离不开水，Evernote也离不开用户的反馈，否则公司便不会成功。

在这一点上，我们和许多其他公司是一样的。

这位读者的问题不在于缺乏适合的渠道与管理层沟通，而是其所在的公司缺乏适合的管理机制。我的建议是尽快行动、补上漏洞，然后再回过头来看这篇专栏剩下的部分。我会等你的。

OK，现在我想你们公司的管理层渴望倾听用户反馈了，但很快还会碰到其他问题。随着名气的变大，公司会经历互联网用户反馈数量的三个阶段：第一个阶段，反馈还不够多；第二个阶段，这些反馈数量正合适；第三个阶段，反馈太多了。

当然我是在说笑，因为压根就不存在第二个阶段。在Evernote，我们一开始花了一星期想“我们能不能得到足够多的反馈”。然后，在接下来的5年里，我们一直试图从雪花般的反馈中脱身。事情的关键就在于，要分清反馈的正面作用和负面效应。简而言之：用户反馈能告诉你哪里做得不对，但它们也会在你该做什么这事上指指点点。

用户反馈有很多种，但基本上分为3种主要的类型：投诉、建议和赞扬。但事实上，这些反馈一般给人们的感觉更像是投诉、投诉，还是投诉。

有投诉是好事，描述得越详细越好。投诉可以告诉我们产品或者用户体验哪里出了问题，并直接影响公司的发展路径。无论用户的投诉看起来有多不满，它们都是最可靠、可行的市场调研结果。此外，投诉还是最容易获得的反馈，无需培训，因为人们天生就擅长投诉。我们的用户支持团队会记录所有投诉，所有软件漏洞都会进入开发人员的漏洞追踪系统，并在未来的产品更新中按等级高低加以修复。

投诉的坏处在于，它会让不习惯被网友批评的人感到泄气。互联网会把对事物的不满集中起来，呈现所有这些不满最纯粹、最黑暗和最丑陋的本质—这也让它成为有史以来最擅长做这种事的渠道。结果当你看到一篇文辞流畅、几经斟酌的投诉时，很可能会觉得有点儿……言之过重。

2008年，就在Evernote发布的前一天晚上，我用屏幕截图做了个简要的使用说明短片。很明显里面我的声音让人不舒服，因为我们收到的第一条留言是“不管是谁给这片子做的解说，都该被拖出来揍一顿。”

我不同意他的观点，但却心怀敬意，因为就算是那样一条评论，也说出了部分真相：短片音质不好，我的解说也很马虎。后来我们重新配了音。

网上的投诉还可以很好地告诉你哪里做得不对。别觉得他们是针对你个人，也别急着去照着他们的批评进行改正，但一定要重视这些投诉。同时要在培训新员工时，告诉他们如何做到心平气和地对待网络批评。

第二种最常见的用户反馈是对产品的建议。我们会看每一条建议，里面时而会有好的意见蹦出来，但绝大多数建议都没用。不能指望让用户帮你设计产品，要对建议持开放的心态，但不要太偏离自己的产品愿景。人们很容易感到当下是什么让自己不高兴，却不能很好地预测出将来是什么会让自己高兴。后者是我们的工作。

如果你工作出色，就会得到少许最后一类用户反馈：赞扬。这类反馈的最佳形式是用户故事，它会让你知道，你的产品在如何持续改变某人的生活。

篇10：街办工作信息反馈制度

一、工作信息反馈的主要内容

（一）区委、区政府下达的目标任务，街道工作部署、安排、措施。

（二）工作任务执行过程中出现的新情况、新问题，包括阶段性工作、成效和影响目标执行的突出问题。

（三）在工作进行过程中的创新做法或值得推广的经验。

（四）定时或不定时检查督促的情况。

（五）广大干部群众反映的相关意见、要求和建议。

（六）街办要求及时搜集、报送的信息。

（七）其他认为应报送街办的信息。

二、工作信息反馈的职责任务

（一）街办各科室、街道各社区、各项工作任务具体负责人要根据工作情况搜集信息，一般情况下每周汇总后以书面形式报送至街道党政办公室备查，急、难、险、重工作根据工作具体情况除报送党政办外，必要时可直接向党政主要领导和分管领导汇报。

（二）与区级各部门相关的工作信息由街道对应科室收集整理并交分管领导审批后及时上报。

（三）街道党政办公室将上报信息进行汇总，对重要的或有价值的及时整理上报，对要求急的则急事急报，对缺乏原因或建议的信息则要求相关科室或责任人补充情况，对一些敏感的信息，应核对情况的真实性和准确性。同时，应对信息搞好编印、登记、归档和报送工作。

三、工作信息反馈的有关要求

（一）报送信息的具体要求：信息稿件应做到言之有物，及时报送，真实可靠，主题鲜明，文题相符，言简意赅。反映情况应突出特点，富有新意，可供领导决策和指导工作借鉴、参考。每则信息原则上应一事一报。

（二）实行工作信息反馈把关制。每项反馈信息由科室负责人把关，重要信息由分管领导把关，坚持谁把关谁负责。

（三）街道党政办公室根据工作信息反馈情况及时对未达到预期目标的工作进行催办。

篇11：检验科信息反馈制度

一、对异常结果或疑问结果及时与临床沟通随访，并记录在《异常结果随访登记》本上。

二、不定期与临床科主任沟通征询意见。

三、向临床科室发放意见和建议表，以获得相关信息。

篇12：团支部信息反馈制度[范文]

为及时掌握团支部工作情况，加大管理工作力度，规范团支部的信息反馈工作，特制定本制度。

一、信息反馈的指导思想

团支部信息反馈工作主要围绕系部工作中心，反映团支部工作中出现的新情况、新问题、新成绩、新经验，促进部门之间、支部之间交流与合作，服务于纪检监察工作需要。

二、信息反馈的主要内容

（1）上级部门对当前工作的新指示、新要求以及政策性文件。

（2）团支部在开展各项工作中出现的新情况、新问题、新经验。

（3）上级部门下达的各类文件在团支部的贯彻执行情况。

（4）学院学生反映强烈的苗头性、倾向性问题，以及各项工作的重点、难点和焦点问题。

（5）上级部门临时交办的重大事项的办理情况。

（6）对院团委工作的意见和建议。

（7）团支部成员以及系部团员的思想动态

（8）突发性的时间和敏感性的问题

（9）其他需要反馈的重大问题。

三、信息反馈工作组织实施

团支部原则上每月要向院团委进行一次信息反馈，提供有价值的参考信息，遇有重大临时事项可随时向院团委反馈。

四、信息反馈工作要求

1.院团委及团支部负责人要发挥收集信息的模范带头作用，加强与各团支部的密切联系。

2.团支部信息反馈工作要重视质量，做到灵敏、迅速、准确。

3.团支部上交的信息要完整、准确、及时，不按时上报信息或上报虚假信息的，院团委将依据有关制度严肃处理。

五、信息反馈形式

1.团支部可通过书面形式、电话方式或亲自到院团委反馈工作信息

2.院团委可通过组织召开座谈会、到各团支部走访、电话询问等形式收集信息反馈

六、年终考核