近年来,随着人工智能的迅猛发展,人机交互领域中情感分析的研究成为了关注热点,其中基于鼠标轨迹的用户情感分析就是一个新颖的研究方向。在以往的研究中,网站管理者一般通过分析网站流量或调查用户使用感受来衡量网站服务质量和用户满意度,但这样的方式不仅繁琐而且可能会打扰到用户。此外,当用户在某一网页内表现为负面情绪时,目前还没有方法可以分析出具体是哪一个区域引起了用户的负面情绪。因此寻找一种高效的方式去分析用户在网页中的情感状态,并进一步分析出引起负面情绪的网页区域是十分有必要的。本文在对基于鼠标轨迹分析用户情感状态的国内外现状进行了研究之后,对现有分析网页用户情感状态的方法进行了扩展和改进。另外,在用户网页情感分析方法研究的基础上,提出了一种全新的基于鼠标轨迹的网页区域内情感分析方法。采用此方法不仅可以实现计算机识别用户情感的功能,而且可以对人类的情感作出响应,产生从用户到网站的反馈信息流,进而改善网站的设计和服务品质。本文主要研究工作包含以下三个方面:(1)数据采集与预处理。首先设计了一个鼠标轨迹收集网站来收集鼠标轨迹原始样本数据,通过JavaScript代码对用户的鼠标轨迹进行采集,数据预处理后得到实验样本数据。本文从鼠标轨迹中提取了108个基于距离、速度变化、方向和方向变化角度等因素的轨迹特征,构成本文独特的实验特征集。(2)改进基于鼠标轨迹的网页情感分析方法。依据实验特征集,首先选用四种降维方法进行数据降维,后续采用了机器学习中的五种分类方法判断用户在测试网页内的情感状态(负面/非负面),找出效果较好的降维方法和分类方法,从而改进分析网页内用户情感状态的方法,提高分析的准确度。实验结果表明,网站三个页面的最高准确度平均为90.94%,降维方法中卡方检验法有着较好的降维效果而且较为稳定,分类方法中支持向量机有着较好的分类效果。(3)提出基于鼠标轨迹的网页区域内情感分析方法。首先进行网页区域划分,其次计算各页面区域复杂度,并将其作为分析用户区域情感状态的一个特征引入到实验特征集中,从而提出一种基于鼠标轨迹的网页区域内情感分析方法,并绘制出用户情感区域热图。实验验证了提出方法的可行性及有效性,三个页面中各区域的最高准确度平均为82.81%。降维方法中递归消除特征法和卡方检验法较好,分类方法中支持向量机相对其他方法有着明显的优势。