Revamp

一、解决问题

• 面向对象：视障人群
• 痛点问题：视障人群如何满足网购需求
  • 视障人群对网购需求日益上升
  • 用户无法通过视觉捕获信息
  • 图片不一定能被充分描述
  • 页面阅读器会包含大量冗余信息

二、提出方法

对评论区语句提取并理解，生成对产品的关键信息描述

• 制定语义规则提取评论区语句片段
• 制定描述角度：颜色、标志、形状和尺寸
• 生成对图片的描述

三、相关方法对比

方法	客观描述	主观描述	过滤信息	时间成本
寻求周围人帮助	√	√	√	大
AI 计算机视觉 （目标识别 / OCR等）	√	×	×	中
语音助手	√	×	√	中
Revamp	√	√	√	小

四、技术路线

• 调研视障人群网购时面临哪些挑战？
• 视障人群网购时需要对产品做出哪些角度的辅助描述？
• 系统设计与评估

五、相关工作 / 关键词

1. 相关工作
   • 视障人群网购体验研究
   • 在评论区信息检索技术
2. 关键词
   • bind or low vision (BLV) users
   • people with disabilities
   • online shopping accessibility
   • information retrieval in online reviews
   • formative study
   • rule evaluation
   • system evaluation

六、研究内容

1. 形成性研究

• 网购场景下，视障人群在信息检索时会遇见哪些问题？
• 对这些问题当前有哪些处理方法？这些方法有哪些弊端？
• 检索页面要如何设计，能更满足视障人群的交互习惯？
• 视障人群对评论区哪些信息感兴趣？
• 如何检索所需信息？

2. 基于规则的信息检索系统设计

• 规则设计
  • 规则1：Adjective + Keyword or Keyword + Verb + Adjective
  • 规则2：1st pronoun + … + Keyword + … + that/which/but/because
  • 规则3：Comparative Expressions.
• 生成描述性回答
  
• 系统设计

3. 性能评估

• 规则评估
  邀请实验人员主观打分：人工描述 vs 系统描述
• 系统评估
  • 设计Likert问卷
    • 描述信息
    • 系统使用体验
  • 邀请8位BLV患者，使用40分钟以上，然后填写Likert调查问卷
    
  • VS 现有技术