喜好程度

摘要： 树立“最佳雇主”品牌,让员工成为品牌的第一代言人甚至是最佳代言人,是打造可持续品牌的重要途径。员工对品牌的作用是不可替代的。美国学者Berry和Lampo在2004年做的一项消费者调研发现,服务人员决定了顾客对品牌的喜好程度。当消费者被要求用语言描述他们最喜欢和最不喜欢的品牌时,所有受访者描述的都是服务人员的行为,而其他品牌要素,如广告、设施、便利性或价格,却没有受到如此的重视。这表明,员工行为往往是顾客形成品牌感知的重要源泉,“如果品牌传递给顾客的信息得不到员工行为的一致支持,品牌的可信度就会降低”。

摘要： 醋,是我们生活中最常见的调味品。吃饺子蘸点醋,味道好极了;烧鱼滴点醋去腥味;洗脚水里倒些醋除脚气;胃口不好,来点醋增加食欲。生活中离不开醋,醋也是人们最好的伙伴。地方不同,人们对醋的喜好程度也有差异。在我们看来,醋只是生活的调味剂,点缀品。可在山西人来看,醋是必须品。

摘要： 在中国数以万计的花卉品种中,如果以人们的喜好程度来列个排行榜,那么榜首位置非牡丹莫属。这样的结果并不让人意外,在中国人的记忆里,牡丹一直都以“国花”的身份盛开着。“国花”一词最早出现时就是用来指代的牡丹,而且在大部分历史朝代里,牡丹一直享受着“国花”的待遇。具体来说,牡丹“国花”地位的形成,可以从下面四个方面找到答案。

摘要： 醋,是我们生活中最常见的调味品。吃饺子蘸点醋,味道好极了;烧鱼滴点醋去腥味;胃口不好,来点醋增加食欲……生活中离不开醋,醋也是人们最好的伙伴。地方不同,人们对醋的喜好程度也有差异。在我们看来,醋只是生活的调味剂、点缀品。可在山西人来看,醋是必需品。一日三餐,顿顿少不了醋,可以说醋是山西人的魂与精气神。难怪在山西流传着“家有二两醋,不用去药铺”的说法。

摘要： 目的提出一种基于参数化的产品单一色彩设计方法,研究在单一色彩产品设计中造型—色彩的匹配规律、消费者的喜好规律,以及这两者之间的关系,从而实现对单色产品设计中造型—色彩的匹配度和受喜好程度的预测,以指导设计。方法首先,通过设计实验,对造型—单一色彩的匹配度、消费者的喜好程度进行量化、评分,利用SPSS和MATLAB软件,对实验数据进行统计分析和回归分析,得出相关研究规律,并且建立数学模型。之后,进行验证实验,并将验证实验的结果与上述研究方法的预测结果进行对比,计算其相对误差,从而验证研究方法及相关规律的有效性和可靠性。结论验证了实验结果与理论预测的结果基本一致。造型—色彩的匹配程度和受喜好程度基本呈现正相关关系。在适宜范围内的纯度、明度较高的色彩与造型的匹配度越高,就越受到消费者喜爱。研究方法和实验结果具有有效性、可靠性和可行性,可为单一色彩产品设计中色彩的选择和运用提供一种预测和指导方法,以供今后的设计参考和借鉴。

摘要： 所谓“消费者偏好”，指的是消费者对一种商品（或者商品组合）的喜好程度。消费者根据自己的意愿对可供消费的商品或商品组合进行排序，这种排序反映了消费者个人的需要、兴趣和嗜好。这个概念说起来简单，但却像一个黑匣子，让众多的企业追之、求之、欲得知。

摘要： 为了改进教研方式，我们曾对幼儿园老师做过一个小调研，问题只有一个：“你喜欢教研吗？请把理由填写在下列表格中。”几十位老师，给出的答案（见下表）出奇的一致。可以看出，“有用”是决定教师对教研喜好程度的最重要指标。

摘要： 我们曾经对一所小学的四、五、六年级部分学生开展抽样调查。调查内容为＂小学生对闽南民间故事的了解情况与喜好程度＂。调查结果表明,闽南民间故事在儿童的世界里占据的空间有限。但可喜的是,我们从调查表中发现：如果给学生提供适合的方式,他们就会乐意并自觉走进闽南民间故事。这个方式就是教会学生以绘本方式创作闽南民间故事。

摘要： 与传统的直接分析内容进行推荐（如先做顾客洞察再进行个性营销）不同，协同过滤重在基于已知的用户兴趣，在剩余的用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测，其重点在于构建数据间的关系。

摘要： 本文总结上海动物园近几年食草动物丰容类型,及丰容过程中遇到的问题等,为以后丰容库的建立积累素材.多种丰容方式中，基本没有一种丰容是独立的，或多或少都与其他丰容类型相结合。在生产实践中发现，与食物丰容有关的丰容使用率较高且深受动物喜爱，气味丰容使用率较低。过于频繁的或者长时间的使用某一种丰容方式，会丧失该种丰容的作用，在开展丰容工作时应制定一个丰容日历，将几种丰容方式按计划或随机实行。定期对丰容方案进行改进，提升动物的喜好程度。

摘要： 笔者于2007年10月在陕西省珍稀野生动物抢救饲养中心进行了圈养大熊猫(1♂1♀)对竹类及其部位选择的研究。采用13种竹子测试大熊猫的食物选择,并计算每种竹子的选择系数,结果表明,大熊猫偏好阔叶箬竹和茶秆竹,喜食唐竹、斑苦竹、横枝竹和巴山木竹,随机选择早园竹和淡竹,不喜食毛环水竹、白夹竹、红竹、紫竹和金竹,且优先取食每种竹的竹叶。统计分析得出,大熊猫偏好竹类与喜食竹类,喜食竹类与随机选择竹类,随机选择竹类与不喜食竹类的单片竹叶重量与叶面积均差异性显著(P＜0.05),即大熊猫优先选择平均叶面积和重量较大的竹种类。同时,本研究采用的13种竹子的竹叶重量和叶面积呈高度正相关(R2=0.9907)。因此,本研究得出,大熊猫在能量需求压力下优先选择竹叶重量大的竹种,以达到提高进食效率的目的。

摘要： 笔者于2007年10月在陕西省珍稀野生动物抢救饲养中心进行了圈养大熊猫(1♂1♀)对竹类及其部位选择的研究。采用13种竹子测试大熊猫的食物选择,并计算每种竹子的选择系数,结果表明,大熊猫偏好阔叶箬竹和茶秆竹,喜食唐竹、斑苦竹、横枝竹和巴山木竹,随机选择早园竹和淡竹,不喜食毛环水竹、白夹竹、红竹、紫竹和金竹,且优先取食每种竹的竹叶。统计分析得出,大熊猫偏好竹类与喜食竹类,喜食竹类与随机选择竹类,随机选择竹类与不喜食竹类的单片竹叶重量与叶面积均差异性显著(P＜0.05),即大熊猫优先选择平均叶面积和重量较大的竹种类。同时,本研究采用的13种竹子的竹叶重量和叶面积呈高度正相关(R2=0.9907)。因此,本研究得出,大熊猫在能量需求压力下优先选择竹叶重量大的竹种,以达到提高进食效率的目的。

摘要： 笔者于2007年10月在陕西省珍稀野生动物抢救饲养中心进行了圈养大熊猫(1♂1♀)对竹类及其部位选择的研究。采用13种竹子测试大熊猫的食物选择,并计算每种竹子的选择系数,结果表明,大熊猫偏好阔叶箬竹和茶秆竹,喜食唐竹、斑苦竹、横枝竹和巴山木竹,随机选择早园竹和淡竹,不喜食毛环水竹、白夹竹、红竹、紫竹和金竹,且优先取食每种竹的竹叶。统计分析得出,大熊猫偏好竹类与喜食竹类,喜食竹类与随机选择竹类,随机选择竹类与不喜食竹类的单片竹叶重量与叶面积均差异性显著(P＜0.05),即大熊猫优先选择平均叶面积和重量较大的竹种类。同时,本研究采用的13种竹子的竹叶重量和叶面积呈高度正相关(R2=0.9907)。因此,本研究得出,大熊猫在能量需求压力下优先选择竹叶重量大的竹种,以达到提高进食效率的目的。

摘要： 笔者于2007年10月在陕西省珍稀野生动物抢救饲养中心进行了圈养大熊猫(1♂1♀)对竹类及其部位选择的研究。采用13种竹子测试大熊猫的食物选择,并计算每种竹子的选择系数,结果表明,大熊猫偏好阔叶箬竹和茶秆竹,喜食唐竹、斑苦竹、横枝竹和巴山木竹,随机选择早园竹和淡竹,不喜食毛环水竹、白夹竹、红竹、紫竹和金竹,且优先取食每种竹的竹叶。统计分析得出,大熊猫偏好竹类与喜食竹类,喜食竹类与随机选择竹类,随机选择竹类与不喜食竹类的单片竹叶重量与叶面积均差异性显著(P＜0.05),即大熊猫优先选择平均叶面积和重量较大的竹种类。同时,本研究采用的13种竹子的竹叶重量和叶面积呈高度正相关(R2=0.9907)。因此,本研究得出,大熊猫在能量需求压力下优先选择竹叶重量大的竹种,以达到提高进食效率的目的。

摘要： 笔者于2007年10月在陕西省珍稀野生动物抢救饲养中心进行了圈养大熊猫(1♂1♀)对竹类及其部位选择的研究。采用13种竹子测试大熊猫的食物选择,并计算每种竹子的选择系数,结果表明,大熊猫偏好阔叶箬竹和茶秆竹,喜食唐竹、斑苦竹、横枝竹和巴山木竹,随机选择早园竹和淡竹,不喜食毛环水竹、白夹竹、红竹、紫竹和金竹,且优先取食每种竹的竹叶。统计分析得出,大熊猫偏好竹类与喜食竹类,喜食竹类与随机选择竹类,随机选择竹类与不喜食竹类的单片竹叶重量与叶面积均差异性显著(P＜0.05),即大熊猫优先选择平均叶面积和重量较大的竹种类。同时,本研究采用的13种竹子的竹叶重量和叶面积呈高度正相关(R2=0.9907)。因此,本研究得出,大熊猫在能量需求压力下优先选择竹叶重量大的竹种,以达到提高进食效率的目的。

摘要： 本发明公开了一种物体喜好记忆色的获取方法及喜好记忆色标准色卡，方法包括：收集具代表性记忆色的目标物体的初始图像和实测目标物体表面色的光谱反射率分布曲线；通过渲染处理初始图像，得到一组实验图像；获取被试基于实验图像的记忆色喜好性的评价数据；根据评价数据，利用椭圆记忆色模型得到喜好记忆色的坐标值；另由实测记忆物体的光谱反射率分布曲线选择色块的颜料组合，将再由此组合获取实验的喜好记忆色色块颜色配方，实现获取记忆色色卡。获取该色卡可运用于电子显示设备上喜好记忆色的评价，数码相机成像图片质量及白平衡的测试，也可以在照明行业中，用来评价光源的显色质量。

摘要： 本发明公开了一种物体喜好记忆色的获取方法及喜好记忆色标准色卡，方法包括：收集具代表性记忆色的目标物体的初始图像和实测目标物体表面色的光谱反射率分布曲线；通过渲染处理初始图像，得到一组实验图像；获取被试基于实验图像的记忆色喜好性的评价数据；根据评价数据，利用椭圆记忆色模型得到喜好记忆色的坐标值；另由实测记忆物体的光谱反射率分布曲线选择色块的颜料组合，将再由此组合获取实验的喜好记忆色色块颜色配方，实现获取记忆色色卡。获取该色卡可运用于电子显示设备上喜好记忆色的评价，数码相机成像图片质量及白平衡的测试，也可以在照明行业中，用来评价光源的显色质量。

摘要： 本发明提供有：询问生成部(21)，可生成要求饮酒中的使用者进行答复的询问；输出部(11)，对使用者可提出询问；输入部(11)，可接收来自使用者的答复的输入操作；及运算部(22)，根据答复可判断使用者的醉酒程度。

摘要： 痴呆症介护负担程度判断装置(100)具备：获得部(110)，针对属于n个领域的某一个的、与被实验者的行动模式有关的多个提问的每一个，获得回答；分数算出部(111)，根据获得部(110)获得的回答，按照每个领域算出与被实验者的行动模式有关的被数值化的分数；距离算出部(112)，在将示出各领域的分数的数轴作为坐标轴的n维空间，算出由分数算出部(111)算出的每一领域的分数所表示的坐标、与定点坐标的欧几里得距离；判断部(113)，根据距离算出部(112)算出欧几里得距离，判断对被实验者进行介护时的痴呆症介护负担程度；以及输出部(114)，输出由判断部(113)判断的痴呆症介护负担程度。

摘要： 本发明公开一种儿童对玩具喜好程度收集判别方法、评分方法及系统。所述收集判别方法包括：将各玩具分别安装定位芯片，每一定位芯片具有唯一ID并将该玩具的属性信息与该定位芯片的ID绑定；为儿童佩戴定位芯片，每一定位芯片具有唯一ID并将该儿童的属性信息与该定位芯片的ID绑定；利用各定位芯片实时采集并存储处于一限定空间内的每一玩具和每一儿童的相应ID、空间坐标位置和时间信息；计算每一玩具距每一儿童的距离，并计算该玩具距该儿童的距离小于预设距离的时长，以此表征该玩具受喜好程度。本发明通过建立儿童对玩具喜好程度收集判别方法、评分方法及评分系统，能精确地获取某玩具受儿童的喜好程度，以为儿童进行玩具推荐。

摘要： 一种能够精确地计算观众对广播内容等的实际喜好的内容喜好计算方法。定义比率Ru(＝Dw/Lu)和比率Rc(＝Dw/Lc)的函数，作为观众对节目的喜好(Pr)。该比率Ru是每单位时间(Lu)的节目收看时间Dw，该比率Rc是收看时间(Dw)与节目时间长度(Lc)的比值。随着比率(Ru)的增加喜好程度(Pr)增加，并且随着比率(Rc)的增加喜好程度(Pr)增加。例如，Pr＝Ru+Rc＝(Dw/Lu)+(Dw/Lc)。喜好计算单元(72)根据节目收看历史数据计算函数值。喜好更新单元(73)按照一定的比率将喜好(Pr)加到更新之前记录在喜好数据库(79)中的喜好(Po)上，并且将执行了加法运算之后的喜好(Pn)作为更新后的喜好记录在喜好数据库(79)中。

摘要： 本申请提供了一种用户喜好程度确定方法和装置、电子设备、可读存储介质。方法包括：获取注视点坐标；根据注视点坐标确定注视对象；获取注视该注视对象时的毫米波响应信号；根据毫米波响应信号确定注视该注视对象时的用户生物特征信息，其中，用户生物特征信息包括用户胸腔震动信息和用户表情信息；将用户生物特征信息输入至喜好识别模型中，得到与注视对象对应的用户喜好程度，其中，喜好识别模型是根据用户生物特征信息训练而成的。采用本申请的方法能提高确定用户喜好程度的准确性。

摘要： 本发明公开一种儿童对玩具喜好程度收集判别方法、评分方法及系统。所述收集判别方法包括：将各玩具分别安装定位芯片，每一定位芯片具有唯一ID并将该玩具的属性信息与该定位芯片的ID绑定；为儿童佩戴定位芯片，每一定位芯片具有唯一ID并将该儿童的属性信息与该定位芯片的ID绑定；利用各定位芯片实时采集并存储处于一限定空间内的每一玩具和每一儿童的相应ID、空间坐标位置和时间信息；计算每一玩具距每一儿童的距离，并计算该玩具距该儿童的距离小于预设距离的时长，以此表征该玩具受喜好程度。本发明通过建立儿童对玩具喜好程度收集判别方法、评分方法及评分系统，能精确地获取某玩具受儿童的喜好程度，以为儿童进行玩具推荐。

摘要： 一种根据使用者对相关标题的喜好程度管理文章的管理方法。在管理文章并下载文章的标题时，同时下载文章的上下文全文，以使得被提供服务的使用者可以在离线状态下点选文章的标题后，可即时浏览文章的上下文全文。除此以外，根据使用者浏览文章或其标题的不同操作来对标题进行评估，以了解使用者标题本身的喜好程度。使用者对标题所包含的各个关键字的喜好程度系通过使用者对标题本身的喜好程度所推知，以在仅具有文章标题的信息下，在最短的时间内判定使用者对文章本身的喜好程度。所有使用者具有相当喜好程度的标题都被加以集中并排序，以让使用者可以方便并即时的浏览相关上下文全文。

摘要： 一种能够精确地计算观众对广播内容等的实际喜好的内容喜好计算方法。定义比率Ru(＝Dw/Lu)和比率Rc(＝Dw/Lc)的函数，作为观众对节目的喜好(Pr)。该比率Ru是每单位时间(Lu)的节目收看时间Dw，该比率Rc是收看时间(Dw)与节目时间长度(Lc)的比值。随着比率(Ru)的增加喜好程度(Pr)增加，并且随着比率(Rc)的增加喜好程度(Pr)增加。例如，Pr＝Ru+Rc＝(Dw/Lu)+(Dw/Lc)。喜好计算单元(72)根据节目收看历史数据计算函数值。喜好更新单元(73)按照一定的比率将喜好(Pr)加到更新之前记录在喜好数据库(79)中的喜好(Po)上，并且将执行了加法运算之后的喜好(Pn)作为更新后的喜好记录在喜好数据库(79)中。