信息可视化中基于用户经验的自适应界面实现机制及评估模型

Information visualization is a intuitive, interactive and visual representation of abstract information by computer，which helps the users to quickly retrieve information and enhance their cognitive abilities.The current visulization techniques more focus on visual information morphology.When dealing with massive information, interactive tasks and inteactive process become increasingly complex,which tend to give the user new cognitive and interactive burdens.Adaptive user interface is a very good solution to the complexity and diversity of Human-Computer Interaction. It aims to adjust the interface layout and interactive behavior in real time to adapt to users according to users’ characteristics, system's status and environmental conditions.When the user executes the visual analysis task, system can self-learn user experiences to adapt to the user according to different contexts.It is important for the users to reduce cognitive load and improve the interactive efficiency.Aiming at this problem.This project undertakes thorough analysis of visual presentation of information,visual layout of interface and user’s interaction behavior, and conducts a research of related adaptive visualization theory, methods and key technologys, including the implementation mechanizm of an adaptive interface based on user experiences, the adaptive layout techniques based on context-aware,the evaluation model of an adaptive interface based on user experiences.

信息可视化是利用计算机对抽象信息进行直观的、可交互的、可视化表示，以利于人们快速检索信息和增强认知能力。当前的可视化技术多集中在信息的可视形态上，在面临海量的复杂数据时，交互任务和交互过程也日益复杂，往往会给用户造成新的认知负担和交互负担。自适应用户界面是解决人机交互复杂性和多样性的好方法,它的目的是根据用户的用户特征，系统状态和环境条件实时调整界面布局和交互行为以主动适应用户当前目标。用户在执行可视分析任务时，系统能根据上下文环境的不同主动学习用户经验以适应当前用户、对降低用户认知负担，提高分析效率和质量具有重要意义。针对该问题，本项目拟针对可视分析过程中信息的视觉呈现、界面的可视布局和用户的交互行为进行深入分析，研究与之相关的自适应界面理论、方法和关键技术，主要包括基于用户经验的自适应界面实现机制、基于上下文感知的自适应布局技术、基于用户经验的自适应界面的评估模型。

本项目针对大数据热点领域—信息可视化及可视分析，研究了基于用户经验的自适应界面实现机制的策略模型，基于用户经验的交互动作预测方法，基于莫比乌斯变换的自适应可视化与交互技术，面向海量电子病例的自适应可视组织与分析方法，面向临床诊疗的自适应可视分析与辅助诊断方法，进而开发一个面向电子病例大数据的自适应可视分析原型系统进行验证。本课题主要开展了以下创新性工作：1）分析了医疗和教育领域内的大数据分析交互任务，归纳了用户经验模型；基于自适应界面相关理论，提出一种支持基于用户经验的自适应界面实现机制的策略模型；2）基于认知心理学原理，分析了用户经验形成的认知特性，提出了一种基于用户经验的交互动作预测方法。包括动作序列模式构建和交互动作预测。3）针对医疗领域大数据的可视组织与交互，提出了一种基于莫比乌斯变换的自适应可视化与交互技术。交互技术采用虚拟ArcBall作为输入接口,通过莫比乌斯变换把用户对ArcBall的操作转化为对平面可视形态的平移、缩放、变形等交互动作,从而实现对平面布局可视形态的自适应缩放变换操作。4）针对医疗领域的海量电子病历组织需求，研究了基于双曲树模式的数据可视组织模型以及交互任务模型，对实际应用中的海量电子病历数据组织进行了深入分析，结合笔交互以及语音交互的多通道技术，开发了原型系统并进行了应用验证。5）针对医疗领域的海量电子病历组织需求，以不明原因发热电子病历为实例，研究了大量临床诊疗信息的复杂关联关系，对海量电子病历数据组织进行了深入分析，结合辅助医生进行临床诊断的数据挖掘技术，提出了一种面向临床诊疗的自适应可视分析与辅助诊断方法，并给出了系统实例加以验证。