【技术实现步骤摘要】
用户界面设计的确定方法和装置
本申请实施例涉及人工智能和深度学习
,尤其涉及一种用户界面设计的确定方法和装置。
技术介绍
移动终端(例如手机、平板电脑等)上的应用程序的用户界面通常由一些模块组成,以下称为用户界面模块,用户界面模块的设计影响用户对应用程序的满意度。用户界面模块的设计可以理解为对一些设计变量(例如字体大小、框体高度、框体颜色等)取值的最优化问题。现有技术中,用户界面模块的设计主要依赖设计师的经验和偏好,各个模块的设计变量经过设计师手工调整形成少量候选设计方案,每个候选设计方案需要经过繁复的处理和评估后选出最优的方案。但是,现有方案每个候选设计方案都需要经过繁复的处理和评估,导致用户界面模块的设计周期长,设计成本高。
技术实现思路
本申请提供了一种用户界面设计的确定方法和装置,能够快速完成对设计方案的评估,并快速找到最优的设计方案。根据本申请的一方面,提供了一种用户界面设计的确定方法,包括:通过L次迭代训练得到用户界面模块的设计方案的筛选模型,每一次训练使用的训练数据包括设计方案和设计方案的评分,第一次训练使用的设计方案是随机生成的,第二次至第L次训练使用的设计方案是通过上一次训练得到的筛选模块对本次随机生成的设计方案进行筛选得到的,L大于或等于2;随机生成用户界面的N个设计方案,将所述N个设计方案输入所述筛选模型,得到M个设计方案,M小于N;根据所述M个设计方案生成多个训练数据对,每个训练数据对包括两个设计方案以及比较结果,所述比较结果用于表示两 ...
【技术保护点】
1.一种用户界面设计的确定方法,包括:/n通过L次迭代训练得到用户界面模块的设计方案的筛选模型,每一次训练使用的训练数据包括设计方案和设计方案的评分,第一次训练使用的设计方案是随机生成的,第二次至第L次训练使用的设计方案是通过上一次训练得到的筛选模块对本次随机生成的设计方案进行筛选得到的,L大于或等于2;/n随机生成用户界面的N个设计方案,将所述N个设计方案输入所述筛选模型,得到M个设计方案,M小于N;/n根据所述M个设计方案生成多个训练数据对,每个训练数据对包括两个设计方案以及比较结果,所述比较结果用于表示两个设计方案中哪个更优;/n使用高斯过程的偏好学习方法对所述多个训练数据对进行训练得到设计方案的评价模型,所述评价模型为高斯回归模型;/n将待评价的设计方案输入所述评价模型,得到所述待评价设计方案的评分。/n
【技术特征摘要】
1.一种用户界面设计的确定方法,包括:
通过L次迭代训练得到用户界面模块的设计方案的筛选模型,每一次训练使用的训练数据包括设计方案和设计方案的评分,第一次训练使用的设计方案是随机生成的,第二次至第L次训练使用的设计方案是通过上一次训练得到的筛选模块对本次随机生成的设计方案进行筛选得到的,L大于或等于2;
随机生成用户界面的N个设计方案,将所述N个设计方案输入所述筛选模型,得到M个设计方案,M小于N;
根据所述M个设计方案生成多个训练数据对,每个训练数据对包括两个设计方案以及比较结果,所述比较结果用于表示两个设计方案中哪个更优;
使用高斯过程的偏好学习方法对所述多个训练数据对进行训练得到设计方案的评价模型,所述评价模型为高斯回归模型;
将待评价的设计方案输入所述评价模型,得到所述待评价设计方案的评分。
2.根据权利要求1所述的方法,其中,所述通过L次迭代训练得到用户界面模块的设计方案的筛选模型,包括:
采用贝叶斯优化对所述筛选模型进行优化,所述贝叶斯优化的概率模型采用高斯回归模型。
3.根据权利要求2所述的方法,其特征在于,所述采用贝叶斯优化对所述筛选模型进行优化,包括:
在第一次模型训练时初始化一个筛选模型f(·);
假设第l次训练数据中包括t个设计方案,2≤l≤L;
根据所述t个设计方案中的第i个设计方案的概率分布,计算第i个设计方案的均值和方差;
在已知Dl-1的情况下,对于Dl中的第i个设计方案xi,f(xi)的概率分布为:
其中,Dl={(Xl,Yl)},表示第l次训练数据中的第i个设计方案,表示第l次训练数据中的第i个设计方案的评分,1≤i≤t;
则第i个设计方案xi的均值μi(xi)和方差为:
其中,K表示格拉姆矩阵,k为核函数向量,I表示单位矩阵,为噪声的方差,y表示第i个设计方案的评分预测值,k(·)是高斯核函数RBF;
应用梯度下降法对超参数进行学习,得到第l次优化后的筛选模型f(·);
随机生成T个设计方案,将所述T个设计方案划分为b组,针对每个组,将每个设计方案、设计方案的均值和方差输入期望提升参数,得到每个组中期望提升函数值最大的设计方案;
其中,期望提升函数为:
其中,Φ(Z)表示标准正态分布的概率密度函数,φ(Z)表示标准正态分布的累积分布函数,f(x*)是每个组中已计算设计方案中使得EI的值最大的设计方案的预测评分。
将b个组对应的b个期望提升函数值最大的设计方案作为第l+1次的训练数据的设计方案;
对所述第l+1次的设计方案进行标注。
4.根据权利要求1所述的方法,其中,所述使用高斯过程的偏好学习方法对所述多个训练数据对进行训练得到设计方案的评价模型,包括:
所述多个训练数据对表示为:
其中,表示的评分比好,
假设所述评价模型为g(·),根据R中的设计方案计算格拉姆矩阵K,根据格拉姆矩阵K计算g(·)的先验概率P(g),其中,
P(g)=N(g|0,K);
根据以下公式计算R中偏好关系的似然函数
其中,Φ(·)为累计正态分布函数,δ为噪声的标准差,所述噪声的均值为0,方差为δ2;
根据所述似然函数得到给定g(·)时R的联合概率P(R|g):
根据g(·)的先验概率P(g)和R的联合概率P(R|g),得到g(·)的后验概率估计为:
利用牛顿法解得最大似然估计点g*,在最大似然估计点g*上z(g)取得最大值,对z(g)进行泰勒展开得到:
其中,∧*是海森矩阵,(·)T表示矩阵的转置运算,则得到g(·)的后验概率为:
根据g(·)的先验概率P(g)、R的联合概率P(R|g)和g(·)的后验概率P(g|R)得到R的边缘似然P(R):
对边缘似然P(R)进行模型优化得到边缘似然P(R)的最大值;
应用梯度下降法对超参数进行学习,得到g(·)。
5.根据权利要求1-4任一项所述的方法,其中,所述随机生成T个设计方案,包括:
对各设计方案包括的设计变量的取值空间进行采样,得到所述T个设计方案。
6.根据权利要求1-4任一项所述的方法,其中,所述对所述第l+1次的设计方案进行标注,包括:
通过众包平台将所述第l+1次的设计方案和评分规则显示给用户:
针对每个设计方案,接收D个用户的评分,计算所述D个用户的评分的均值,所述D个用户的评分的均值为所述设计方案的评分。
7.一种用户界面设计的确定装置,包括:
第一训练模块,用于通过L次迭代训练得到用户界面模块的设计方案的筛选模型,每一次训练使用的训练数据包括设计方案和设计方案的评分,第一次训练使用的设...
【专利技术属性】
技术研发人员:唐振威,周景博,赵敏,葛翔,庄福振,邹黎明,杨承磊,熊辉,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。