一种基于用户经验偏序关系的网页信息无障碍检测方法技术

一种基于用户经验偏序关系的网页信息无障碍检测方法，获取步骤如下：第一步，获得检测点通过率矩阵P与用户经验偏序关系矩阵L；第二步，运用机器学习的方式，根据Pn*m与L获取每种检测点的权值w；第三步，根据用户经验偏序关系矩阵P和权值w获取不同网站的无障碍检测得分q。

A Web Information Accessibility Detection Method Based on User Experience Partial Order Relation

A barrier-free detection method for web page information based on user experience partial ordering relationship is proposed. The steps are as follows: first, the pass rate matrix P and user experience partial ordering relationship matrix L are obtained; second, the weight W of each detection point is obtained according to Pn*m and L by machine learning; third, the weight W of each detection point is obtained according to user experience partial ordering. Ordinal relation matrix P and weight W were used to obtain the accessibility test score Q of different websites.

【技术实现步骤摘要】
一种基于用户经验偏序关系的网页信息无障碍检测方法
本专利技术涉及网页信息无障碍检测方法。
技术介绍
互联网社会的蓬勃发展，引领了社会信息化的新潮流。通过互联网的信息交流在如今的信息传播中起到了不可或缺的作用，因而平等的获取信息也日益成为人类社会追求的目标，信息无障碍在信息社会中的地位也越来越重要。根据中国残疾人联合会统计数据所示，截止于2010年底我国各类残疾人数量约有8502万。随着互联网的高度普及和互联网在日常生活中重要性的不断上升，对于数量众多的老年人、残疾人等特殊人群而言，视觉和听觉上的缺失直接妨碍他们正常获取互联网上的信息。因此如何使这部分人群没有障碍地获取互联网信息显得尤为重要。无障碍检测系统旨在发现残障人士在获取网站信息时遇到的交互障碍。当前，定量无障碍指标在信息无障碍检测中被广泛使用，此种指标运用一种综合值来表示网站的无障碍水平。定量无障碍指标主要经过两个步骤获得：一、检测潜在障碍以获取不同其不同属性；二、将检测点的这些属性与其权值进行综合运算。但当前研究表明，为检测点选取合适的权重是件非常困难的事情。虽然根据WCAG标准已经赋予检测点相应的权重，但之前的调查表明WCAG的权重与实际用户经验得到的有一定的差距。为了克服此种限制，我们提出了一种叫做基于经验的网页无障碍指标(WAEM)，其可以通过用户经验偏序关系(PUEXO)进行矫正以便更好的契合障碍人群的经验。我们根据PUEXO成功构建了机器学习模型来获得最佳检测点权重。实验表明，我们的WAEM是行之有效的。
技术实现思路
本专利技术要克服现有技术的上述缺点，提出一种基于用户经验偏序关系的网页信息无障碍检测方法。一种基于用户经验偏序关系的网页信息无障碍检测方法，步骤如下：1)获得基本数据，包括网站检测点通过率矩阵P与用户经验偏序关系矩阵L；2)运用机器学习的方式，根据Pn*m与L获取每种检测点的权值w，n*m表示矩阵有n行m列；3)根据矩阵P和权值w获取不同网站的无障碍检测得分q。步骤1)中所述的基本数据的基本组成如下：21)网站检测点通过率矩阵P：对于每个检测点，如果在具有h个网页的网站中，s个网页中的检测点测试通过，则p＝s/h。当在n个网站中检测网所有的m个检测点后，得到了检测点通过率矩阵Pn*m。22)用户经验偏序关系矩阵L：以(a,b)的形式定义用户经验的偏序关系，代表的含义是残疾人觉得a网站比b网站的访问性更好。假设用户经验偏序关系中具有k对网站对，我们收集者k组网站序对形成矩阵Lk*2，矩阵L的每一行是一对网站。步骤2)中所述的检测点的权值计算方法是：检测点的权值w：引入容错宽度e＝{e1,e2,e3,...,ek}，结合矩阵P和L，形成公式此函数模型相当于SVMs学习模型，运用此机器学习方法获得检测点的权值w。步骤3)中所述的无障碍检测得分的计算方式是：无障碍权重系数q：q＝Pw通过网站通过率矩阵与检测点权值的运算获得无障碍检测得分q。本专利技术的优点是基于用户经验偏序关系的网页信息无障碍检测指标更加契合用户的检测经验；特别是对于残疾人，单单使用WCAG规定的检测点的权重，与实际的用户体验并不符合；通过使用本专利技术的检测指标后，将会更加准确的反映检测点的权重，大大提高了网站检测质量。附图说明图1是本专利技术的方法流程图。具体实施方式参照附图，进一步说明本专利技术的技术方案：一种基于用户经验偏序关系的网页信息无障碍检测方法，步骤如下：1)获得基本数据，包括网站通过率矩阵P与用户经验偏序关系矩阵L；2)运用机器学习的方式，根据Pn*m与L获取每种检测点的权值w，n*m表示矩阵有n行m列；3)根据矩阵P和权值w获取不同网站的无障碍检测得分q。步骤1)中所述的基本数据的基本组成如下：21)网站检测点通过率矩阵P：对于每个检测点，如果在具有h个网页的网站中，s个网页中的检测点测试通过，则p＝s/h。当在n个网站中检测网所有的m个检测点后，得到了检测点通过率矩阵Pn*m。22)用户经验偏序关系矩阵L：以(a,b)的形式定义用户经验的偏序关系，代表的含义是残疾人觉得a网站比b网站的访问性更好。假设用户经验偏序关系中具有k对网站对，我们收集者k组网站序对形成矩阵Lk*2，矩阵L的每一行是一对网站。检测点的权值w：引入容错宽度e＝{e1,e2,e3,...,ek}，结合矩阵P和L，形成公式此函数模型相当于SVMs学习模型，运用此机器学习方法获得检测点的权值w。根据矩阵P和权值w获取不同网站的无障碍检测得分q；无障碍权重系数q：q＝Pw通过网站通过率矩阵与检测点权值的运算获得无障碍检测得分q。本说明书实施例所述的内容仅仅是对专利技术构思的实现形式的列举，本专利技术的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本专利技术的保护范围也及于本领域技术人员根据本专利技术构思所能够想到的等同技术手段。本文档来自技高网...

【技术保护点】
1.一种基于用户经验偏序关系的网页信息无障碍检测指标，包括如下步骤：1)获得基本数据，包括网站通过率矩阵P与用户经验偏序关系矩阵L；2)运用机器学习的方式，根据Pn*m与L获取每种检测点的权值w，n*m表示矩阵有n行m列；3)根据矩阵P和权值w获取不同网站的无障碍检测得分q。

【技术特征摘要】
1.一种基于用户经验偏序关系的网页信息无障碍检测指标，包括如下步骤：1)获得基本数据，包括网站通过率矩阵P与用户经验偏序关系矩阵L；2)运用机器学习的方式，根据Pn*m与L获取每种检测点的权值w，n*m表示矩阵有n行m列；3)根据矩阵P和权值w获取不同网站的无障碍检测得分q。2.如权利要求1所述的基于用户经验偏序关系的网页信息无障碍检测指标，其特征在于：步骤1)中所述的基本数据的基本组成如下：21)网站检测点通过率矩阵P：对于每个检测点，如果在具有h个网页的网站中，s个网页中的检测点测试通过，则p＝s/h；当在n个网站中检测网所有的m个检测点后，得到了检测点通过率矩阵Pn*m；22)用户经验偏序关系矩阵L：以(a,b)的形式定义用户经验的偏序关系，代表的含义是残疾人觉得a...

【专利技术属性】
技术研发人员：卜佳俊，于智，宋舒意，王炜，张梦妮，李亮城，谷春斌，章越清，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33