Modelovanie pouvatea pre personalizovan socilny web Pe We
Modelovanie používateľa pre personalizovaný sociálny web Pe. We, 2. 10. 2012 Michal Barla, D 208
personalizovaný sociálny web
Motivácia • Rôznorodosť používateľov webových systémov: – Niekto má rád najprv príklad a potom teóriu – Niekto už s OOP robil a niekto nie – Niekto hľadá publikácie o modelovaní používateľa, niekto o kategorizácii • Ale web je tradične len jeden – Rovnaký obsah pre všetkých – Rovnaká navigácia pre všetkých – Rovnaké problémy pre všetkých
Riešenie: • Prispôsobovať – Obsah – Navigáciu – Rozhranie – Správanie –. . . • Používateľovi a jeho – Preferenciám – Vedomostiam – Cieľom – Predchádzajúcej navigácii – Pozadiu, profesii, schopnostiam – Platforme, šírke pásma –. . .
Proces v adaptívnych systémoch 5
Proces v adaptívnych systémoch 6
Zber dát – dotazník • tzv. self-described • dotazníky, vstupné testy. . . – toto používatel’ nechce – stráca koncentráciu – je znechutený • často používané – objektívne?
Zber dát – Spätná väzba • more like this, not for me • “už som to pochopil” • explicitná vs. implicitná – Vidím, že hodnotím – Používam systém a pritom vlastne aj hodnotím • čo s hodnotením? – Collaborative Filtering (systémy s odporúčaním)
Zber dát - logy • Štandardné logy web servera – Úroveň HTTP protokolu – Identifikácia session? – Interpretácia? • Vlastné logovacie riešenie (klient vs. server) – Standalone desktop aplikácia (keylogger) • Súkromie? – Java. Script, Java. Applet – Logovanie súčasťou aplikačnej logiky – UM servre
Zber dát - kontext • Čas • Poloha • Parametre zariadenia – Rozlíšenie – Šírka pásma – User-agent • Počasie • . . .
Zber dát – externé zdroje • twittre/facebooky/google plusy • Homepage • Profesia. sk, bzzik. sk, . . . • Source control • Redmine • . . .
Analýza dát • Čo si môžeme dovoliť záleží od toho – aké zbierame dáta a – ako je reprezentovaný náš model • niekedy je interpretácia jasná – formulár • inokedy sa treba s dátami “pohrat’” – dolovanie v dátach, strojové učenie, umelá intel. – štatistické modely (napr. Bayesovské siete) – pravidlové prístupy –. . .
Reprezentácia modelu používateľa • Čo od modelu očakávame • Ako ho vytvárame • Ako reprezentujeme doménu • Chceme model zdieľať?
Reprezentácia modelu • Explicitné typy charakteristík – Preferencia doménového atribútu – Znalosť (vedomosť) konceptu – Ohodnotenie nejakej doménovej položky (obsahu) • Atribúty charakteristík • Metadáta charakteristík – časová pečiatka, zdroj (vrstva, pohľad), relevancia, dôveryhodnosť, . . .
Personalizovaný sociálny web
Sociálny web • Sociálny web == Web 2. 0? • Máme sociálny web? – web vs. niekoľko šikovných aplikácií • Návrat k stereotypom – Príslušnosť ku skupine (real, virtual, ad-hoc) – Vývoj skupiny? • Sociálne odporúčania – Čo robí väčšina? – Čo robia tí, čo sú podobní ako Ty?
Sociálny Web Náš život je sociálny Ako toto spravím na webe? Má byť facebook to námestie? Čo robili na stránke iní ľudia? Postavím sa na námestie a vidím, pred ktorou praclikárňou stojí veľa ľudí, vidím aký praclík si kupujú. Odkiaľ tam prišli? Kam odišli? Prečo sa mám trápiť s dopytom, keď sa s tým istým predo mnou už niekto trápil Každý surfuje sám. . na sociálnom webe?
Model ako graf User. Access user identification timestamp referrer ip address implicit feedback indicators User Page access url checksum length Term relevancy type Page Term
Model používateľa ako folksonómia Naša definícia modelu používateľa je podobná definícii folksonómie User – Tag – Page vs. User. Access – Page – Term Môžeme použiť rovnaké pristupy k analýze Priamočiara identifikácia vzťahov medzi používateľmi Rovnaké stránky, rovnaké pojmy Pojmy v modeli však nepochádzajú od používateľa samotného, sú získané automaticky
Zhrnutie • Ak chceme personalizáciu, tak potrebujeme UM • Záleží od domény a jej reprezentácie • Model založený na pojmoch – Získateľný – Vyjadruje záujmy používateľa – Jednoducho ďalej spracovateľný • Hľadáme virtuálne komunity
Chcete model? Týmto začnite. . . 1. Aké máme/môžeme mať dáta – dotazník/spätná väzba/logy (klient/server) 2. Čo s nimi vieme spraviť/čo potrebujeme 3. Ako vieme potom využiť model
Literatúra • Brusilovsky, P. , Kobsa A. , Nejdl, W. (Eds. ): The Adaptive Web, Methods and Strategies of Web Personalization, LNCS 4321, 2007 • T. Joachims et al: Evaluating the Accuracy of Implicit Feedback from Clicks and Query Reformulations in Web Search, ACM Transactions on Information Systems (TOIS), Vol. 25, No. 2 (April), 2007.
- Slides: 24