改造：提升在线购物中盲人或低视力用户的信息检索体验

文献标题

Revamp: Enhancing Accessible Information Seeking Experience of Online Shopping for Blind or Low Vision Users

文献信息

• 主题领域: 无障碍在线购物、信息检索、人机交互
• 关键词: 在线购物, 信息检索, 无障碍, 视障用户, 用户评论, 图像描述, 问答系统

研究背景与问题

• 问题或挑战:

  • 视障用户在在线购物中面临显著困难，包括：不充分的图像描述和屏幕阅读器处理大量信息的能力不足。
  • 对于一些外观决定购买决策的重要产品类别（如时尚、家居用品），现有的自动化工具提供的信息过于泛泛，难以支持购买决策。
  • 视障用户通常依赖有视力者的帮助，例如家庭成员或众包助手，但这并不总是可行，并且减弱了购物独立性。

• 重要性:

  • 在线购物对视障用户的便利性至关重要，特别是在疫情期间，需求进一步增长。改善在线购物的无障碍体验对提升生活质量具有显著意义。

• 研究动机与相关工作:

  • 现有研究试图通过图像描述和屏幕阅读器优化来支持无障碍在线购物，但通常缺乏对视觉细节需求的适配。
  • 自动化信息生成技术（如图像识别、视觉问答）在提供个性化和详细描述方面仍存在局限性。
  • 用户生成的评论可能包含关于产品外观的有价值的信息，但如何系统化地利用这些信息尚不明确。

解决方案

• 提出的解决方案:

  • 开发一种名为Revamp的交互式信息检索系统，用于支持基于客户评论的问答功能并重构商品页面。
  • 利用用户评论的多样化内容，通过规则式方法提取有信息量的文本片段，生成图像描述，回答用户的问题并区分积极和消极的评论内容。

• 创新之处:

  • 将规则式信息检索与自然语言处理相结合，根据视障用户的视觉问题需求设计模块化语法规则。
  • 提供一种浏览器扩展，用于简化网页结构、增强屏幕阅读器的功能并支持用户独立地在线购物。

• 实施步骤与关键技术:

  1. 数据源: 从Amazon.com页面抓取标题、价格、颜色等基础信息，以及评论数据。
  2. 规则设计:
     • 过滤出内容较少、低信息量的评论（例如简短句和图像一致性评价）。
     • 提取包含视觉属性（颜色、logo、形状、大小）关键词的句子，并基于语法规则筛选有描述性和比较性的文本。
  3. 回答生成: 提供按积极和消极评论区分的完整评论列表、摘要，以及通过排序生成的视觉描述。
  4. 页面简化与改造: 重组网页，仅保留与产品相关的关键信息。
  5. 交互设计: 用户可以通过语音或文本输入问题，系统返回带有摘要和完整评论列表的回复。

研究成果

• 具体成果:

  • 在实验中，目标规则覆盖了85%的有信息量评论内容，并能够提供有用的视觉属性描述。
  • Revamp原型被视障用户认为能够有效减少信息检索的时间和难度，改进了在线购物的独立性。

• 现有解决方案的优势:

  • 相较于默认的Amazon评论排序机制，Revamp能够更高效地提取与视觉相关的信息，并提供针对性强的描述。
  • 提供两级信息细节（摘要与具体评论列表），比传统系统支持更丰富的信息需求。

• 实验与评估结果:

  • 规则评估: 在三个产品类别（家居与厨房、服装鞋帽、电子产品）的45个畅销商品中，规则生成结果覆盖了大部分视觉相关问题的回答。
  • 系统评估: 参与的8名用户使用Revamp后对其效率性和理解产品外观的能力给予了显著更高的评分。
  • 定性反馈: 用户认为，评论中的主观细节提供了一种更可信的理解方式，并希望扩展系统到其他购物平台。

• 局限性与未来方向:

  • Revamp依赖于评论数据的质量，当评论数量太少或不够详细时，效果会受限。
  • 未来方向包括：
    • 跨多个商品的比较功能和增强的多产品信息切换。
    • 将方法拓展至其他类型的线上内容平台（如Yelp、TripAdvisor）。
    • 收集更多标注数据以支持高阶视觉概念、样式推断的监督学习方法优化。
    • 提供模版化问题引导用户提出更精确的问题。
    • 集成到移动端和语音助手应用中，提高可用性。

总结

Revamp通过信息检索技术对在线购物的视觉信息需求提供了一种解决方案，通过规则设计和交互系统将用户评论转化为具有视觉描述价值的信息。尽管可用性仍受限于数据质量，该系统成功地改善了视障用户的在线购物体验，显著增强了其信息获取效率和自主性。未来研究可进一步扩展功能范围，优化问答质量，并适应更多平台与用户群体。