論文の概要: Intelligent Exploration for User Interface Modules of Mobile App with Collective Learning

• arxiv url: http://arxiv.org/abs/2007.14767v2
• Date: Mon, 31 Aug 2020 17:28:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 05:55:11.177124
• Title: Intelligent Exploration for User Interface Modules of Mobile App with Collective Learning
• Title（参考訳）: 集合学習を用いたモバイルアプリのユーザインタフェースモジュールのインテリジェント探索
• Authors: Jingbo Zhou, Zhenwei Tang, Min Zhao, Xiang Ge, Fuzhen Zhuang, Meng Zhou, Liming Zou, Chenglei Yang, Hui Xiong
• Abstract要約: FEELERは、集合機械学習アプローチでユーザインターフェースモジュールの設計ソリューションを探索するフレームワークである。 本研究では,2つの実生活データセットについて広範囲に実験を行い,実生活におけるユーザインタフェースモジュール設計の適用性を実証した。
• 参考スコア（独自算出の注目度）: 44.23872832648518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A mobile app interface usually consists of a set of user interface modules. How to properly design these user interface modules is vital to achieving user satisfaction for a mobile app. However, there are few methods to determine design variables for user interface modules except for relying on the judgment of designers. Usually, a laborious post-processing step is necessary to verify the key change of each design variable. Therefore, there is a only very limited amount of design solutions that can be tested. It is timeconsuming and almost impossible to figure out the best design solutions as there are many modules. To this end, we introduce FEELER, a framework to fast and intelligently explore design solutions of user interface modules with a collective machine learning approach. FEELER can help designers quantitatively measure the preference score of different design solutions, aiming to facilitate the designers to conveniently and quickly adjust user interface module. We conducted extensive experimental evaluations on two real-life datasets to demonstrate its applicability in real-life cases of user interface module design in the Baidu App, which is one of the most popular mobile apps in China.
• Abstract（参考訳）: モバイルアプリインターフェースは通常、ユーザインターフェースモジュールのセットで構成される。 これらのユーザインターフェースモジュールを適切に設計する方法は、モバイルアプリのユーザ満足度を達成する上で不可欠です。 しかし,設計者の判断に頼る以外,ユーザインタフェースモジュールの設計変数を決定する方法はほとんどない。 通常、各設計変数のキー変更を検証するには、厳格な後処理ステップが必要である。 したがって、テスト可能な設計ソリューションはごくわずかしかありません。 多くのモジュールが存在するため、最適な設計ソリューションを見つけるのに時間がかかり、ほとんど不可能です。 この目的のために,ユーザインタフェースモジュールの設計ソリューションを,集合機械学習アプローチで迅速かつインテリジェントに探索するフレームワークであるFEELERを紹介する。 FEELERはデザイナーが様々なデザインソリューションの好みのスコアを定量的に測定するのに役立つ。 中国で最もポピュラーなモバイルアプリのひとつであるbaiduアプリにおけるユーザインタフェースモジュール設計の適用性を示すため,2つの実生活データセットについて広範な実験を行った。

関連論文リスト

• Sketch2Code: Evaluating Vision-Language Models for Interactive Web Design Prototyping [55.98643055756135]
  初歩的なスケッチのWebページプロトタイプへの変換を自動化する上で,最先端のビジョン言語モデル(VLM)を評価するベンチマークであるSketch2Codeを紹介した。 我々は、既存のVLMではSketch2Codeが困難であることを示す10の商用およびオープンソースモデルを分析した。 UI/UXの専門家によるユーザ調査では、受動的フィードバックの受信よりも、積極的に質問を行うのがかなり好まれている。
  論文  参考訳（メタデータ） (2024-10-21T17:39:49Z)
• Large Language User Interfaces: Voice Interactive User Interfaces powered by LLMs [5.06113628525842]
  ユーザとユーザインターフェース(UI)の仲介として機能するフレームワークを提案する。 アノテーションの形でUIコンポーネントのテキストセマンティックマッピングに立つシステムを採用している。 我々のエンジンは、最も適切なアプリケーションを分類し、関連するパラメータを抽出し、その後、ユーザの期待するアクションの正確な予測を実行することができる。
  論文  参考訳（メタデータ） (2024-02-07T21:08:49Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Think, Act, and Ask: Open-World Interactive Personalized Robot Navigation [17.279875204729553]
  Zero-Shot Object Navigation (ZSON)は、エージェントが未知の環境でオープン語彙オブジェクトへナビゲートすることを可能にする。 ZIPONでは、ユーザーとの会話をしながら、ロボットがパーソナライズされた目標オブジェクトにナビゲートする必要がある。 我々は、知覚、ナビゲーション、コミュニケーションのための異なるモジュールを操作するためのシーケンシャルな決定を行うために、Open-woRld Interactive persOnalized Navigation (ORION)を提案する。
  論文  参考訳（メタデータ） (2023-10-12T01:17:56Z)
• Rules Of Engagement: Levelling Up To Combat Unethical CUI Design [23.01296770233131]
  いわゆる暗黒パターンの先行研究から得られた5次元のインタフェースを簡易に評価する手法を提案する。 提案手法はユーザに対して,評価されたインタフェースの操作性を表す数値スコアを提供する。
  論文  参考訳（メタデータ） (2022-07-19T14:02:24Z)
• X2T: Training an X-to-Text Typing Interface with Online Learning from User Feedback [83.95599156217945]
  ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。 標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。 このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
  論文  参考訳（メタデータ） (2022-03-04T00:07:20Z)
• Automatic code generation from sketches of mobile applications in end-user development using Deep Learning [1.714936492787201]
  モバイルアプリケーション開発の一般的なニーズは、App Inventorを使ってユーザインターフェイスのスケッチをワイヤーフレームのコードフレームに変換することである。 Sketch2aiaはディープラーニングを使用して、最も頻繁なユーザインターフェースコンポーネントとその手書きスケッチ上の位置を検出する。
  論文  参考訳（メタデータ） (2021-03-09T20:32:20Z)
• VINS: Visual Search for Mobile User Interface Design [66.28088601689069]
  本稿では、UIイメージを入力として、視覚的に類似したデザイン例を検索するビジュアル検索フレームワークVINSを紹介する。 このフレームワークは、平均平均精度76.39%のUI検出を実現し、類似したUI設計をクエリする際の高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-02-10T01:46:33Z)
• Personalized Adaptive Meta Learning for Cold-start User Preference Prediction [46.65783845757707]
  パーソナライズされたユーザーの嗜好予測における共通の課題は、コールドスタート問題である。 メジャーユーザとマイナーユーザの両方を考慮するために,新たなパーソナライズ型適応型メタラーニング手法を提案する。 本手法は, マイノリティとメジャーユーザの両方に対して, 最先端の手法を劇的に向上させる。
  論文  参考訳（メタデータ） (2020-12-22T05:48:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。