Abstract
In een razend tempo zijn we in staat om nieuwe gegevens te digitaliseren.
Een mogelijke techniek om te voorkomen dat gebruikers de weg kwijt raken
in deze hoeveelheid informatie is contextbewustheid; de beschikbaar gestelde
informatie, of het gedrag van een systeem, aanpassen aan de huidige situatie
van de gebruiker. Onderzocht is hoe contextbewuste applicaties zijn te ondersteunen
met behulp van een applicatie-onafhankelijk raamwerk. De kern
van dit raamwerk is het aan de context van de gebruiker aanpassen van de
antwoorden op vragen die een gebruiker aan een gegevensbank stelt.
Door de manier waarop de context van een gebruiker vaak wordt gemeten
(met behulp van sensoren) en gebruikt (om proactief informatie aan de
gebruiker te doen toekomen), zijn er verscheidene onderwerpen die specifiek
voor dit soort data aan de orde gesteld moeten worden. Vier onderwerpen
worden explicitiet onderzocht, te weten, de mogelijkheid om een antwoord
terug te voeren tot het waarom, het omgaan met onzekerheid in de contextdata,
de mogelijkheid om het gedrag van de gebruiker te leren en de
mogelijkheid om de contextdata op te slaan.
Rekening houdend met deze onderwerpen is een model, genaamd CIM,
ontwikkeld waarin kan worden vastgelegd hoe contextdata de informatiebehoefte
van een gebruiker be¨ınvloedt en op basis waarvan de antwoorden
van een gegevensbank kunnen worden geordend op relevantie, of waarmee
proactief de meest relevante antwoorden aan de gebruiker kunnen worden
aangeboden. Dit model slaat de effecten van context op de gebruiker op
doormiddel van voorkeursregels voorzien van een score, tezamen met een
score-combinatie-operator. Iedere regel geeft een interesse van een gebruiker
aan in een specifieke context. Zowel de interesses, als de context worden
gerepresenteerd in Description Logics, om zo in staat te zijn redeneermechanismes
te ondersteunen en de regels voor gebruikers begrijpbaar te houden.
De combinatie-operator bepaalt wat de (sterkte van) de voorkeur van de gebruiker is als een document voldoet aan meerdere interesses. Er worden twee
combinatie-operators voorgesteld: een welke een conjunctieve relatie tussen
voorkeuren verondersteld en een tweede welke een disjunctieve relatie verondersteld.
Beide gaan uit van een (verschillende) probabilistische interpretatie
van de scores.
De begrijpbaarheid van de scores in het model voor de gebruikers blijkt
uit het feit dat indien gebruikers zelf de scores van hun voorkeursregels kunnen
aanpassen, dit inderdaad leidt tot een beter antwoord van het systeem
dan wanneer slechts een ordering van voorkeursregels door de gebruikers is
gegeven. Verder is onderzocht welke (onzekere) aannames het onderliggende
systeem als uitleg van een antwoord zou moeten presenteren om de gebruiker
de kans te geven, door verificatie van deze aannames, meer zekerheid te
krijgen over het antwoord. Hiervoor worden twee maten voor de kwaliteit
van een uitleg voor een antwoord ge¨ıntroduceerd.
Het model kan eenvoudig omgaan met opgeslagen contextdata via een
vertaling van het model naar relationele databases. Het omgaan met onzekerheid
in de contextdata en het effect hiervan op een goede ordering, wordt
gedaan via probabilistic event expressions. Ook wordt laten zien hoe scores
van voorkeursregels te leren zijn uit de interactie-geschiedenis van een gebruiker
met het systeem. Testen met gesimuleerde gebruikers tonen aan dat
indien conjunctief of disjunctief gedrag in de geschiedenis aanwezig is, deze
scores ook te leren zijn, maar ook scores van echte gebruikers zijn deels te leren
op zo’n manier dat een representatie met geleerde scores beter geordende
antwoorden geeft dan een willekeurige representatie.
Een belangrijk inzicht dat ons model geeft is hoe de aanpak van onzekerheid,
scores van voorkeuren voor het disjunctieve gedrag en inzicht geven
in antwoorden, hand in hand gaan door middel van probabilistische event
expressies. Er zijn echter twee belangrijke punten die meegenomen moeten
worden alvorens overtuigend te kunnen zeggen dat de beschreven methode
in deze thesis daadwerkelijk toepasbaar is in systemen op grote schaal. Deze
hangen samen met het exploratieve karakter van het onderzoek en bestaan
uit het daadwerkelijk testen van de technieken op grote schaal en het daarbij
ook rekening houden met de niet expliciet aan de orde gestelde onderwerpen
in deze thesis (zoals distributiviteit).
Original language | Undefined |
---|---|
Awarding Institution |
|
Supervisors/Advisors |
|
Award date | 13 Jun 2008 |
Place of Publication | Enschede |
Publisher | |
Print ISBNs | 978-90-365-2665-4 |
DOIs | |
Publication status | Published - 13 Jun 2008 |
Keywords
- DB-CAQ: CONTEXT-AWARE QUERYING
- IR-59037
- METIS-252050
- EWI-13549