Dane szczegółowe książki
Rekomendacja interfejsu użytkownika w adaptacyjnych webowych systemach informacyjnych / Sobecki, Janusz
Autorzy
Tytuł
Rekomendacja interfejsu użytkownika w adaptacyjnych webowych systemach informacyjnych
Wydawnictwo
Wrocław: Oficyna Wydawnicza Politechniki Wrocławskiej, 2009
ISBN
9788374934657
Hasła przedmiotowe
Spis treści
pokaż spis treści
1. Wstęp … 7
2. Interakcyjne systemy webowe … 11
2.1. Systemy interakcyjne … 12
2.1.1. Style interakcji … 13
2.1.2. Wybór stylu interakcji … 18
2.2. Hipertekst i hipermedia … 18
2.3. Technologie webowe … 21
2.3.1. Technologie warstwy prezentacji … 23
2.3.2. Technologie warstwy aplikacji … 27
2.3.3. Technologie warstwy bazy danych … 30
2.4. Użyteczność i dostępność systemów interakcyjnych … 31
2.4.1. Normy i definicje użyteczności i dostępności … 31
2.4.2. Metody zapewnienia użyteczności … 34
2.4.3. Miary użyteczności systemów interakcyjnych … 44
2.5. Personalizacja systemów webowych … 46
2.6. Perspektywy rozwoju systemów webowych … 49
2.7. Podsumowanie … 51
3. Modelowanie użytkownika w webowych systemach rekomendacyjnych … 55
3.1. Dziedziny zastosowań systemów rekomendacyjnych … 56
3.2. Cele i zadania użytkownika w systemie rekomendacyjnym … 57
3.3. Zawartość, reprezentacja, tworzenie i aktualizacja profilu użytkownika … 59
3.3.1. Zawartość profilu … 60
3.3.2. Reprezentacja profilu użytkownika … 63
3.3.3. Inicjowanie profilu … 67
3.3.4. Techniki uczenia profilu … 69
3.3.5. Informacja zwrotna od użytkownika … 75
3.3.6. Techniki adaptacji profilu … 76
3.4. Podsumowanie … 77
4. Wykorzystanie modelu użytkownika w systemach rekomendacyjnych … 81
4.1. Metoda filtrowania informacji … 81
4.1.1. Filtrowanie demograficzne (DF) … 81
4.1.2. Filtrowanie bazujące na zawartości (CBF) … 83
4.1.3. Filtrowanie kolaboratywne (CF) … 83
4.1.4. Inne metody bazujące na filtrowaniu kolaboratywnym … 85
4.1.5. Wnioskowanie oparte na przypadkach użycia (CBR) … 86
4.1.6. Podejście hybrydowe (HA) … 87
4.2. Techniki dopasowania rekomendowanego elementu do profilu użytkownika … 88
4.2.1. Dokładne dopasowanie na podstawie słów kluczowych … 88
4.2.2. Funkcje odległości i podobieństwa … 89
4.2.3. Klasyfikacja … 97
4.3. Dopasowanie pomiędzy profilami … 98
4.3.1. Znajdowanie podobnych użytkowników … 98
4.3.2. Utworzenie sąsiedztwa … 100
4.3.3. Wyznaczenie predykcji na podstawie wybranego sąsiedztwa … 100
4.4. Metody oceny efektywności systemów rekomendacyjnych … 102
4.4.1. Miary efektywności wywodzące się z IR … 104
4.4.2. Pozostałe miary badania efektywności systemów rekomendacyjnych … 110
4.4.3. Wykorzystanie miar efektywności do badania rekomendacji w zbiorze MovieLens … 114
4.5. Podsumowanie … 116
5. Adaptacja interfejsów użytkownika metodą consensusu … 119
5.1. Architektura adaptacyjnego interfejsu użytkownika webowego systemu informacyjnego … 120
5.2. Teoria consensusu … 123
5.2.1. Pojęcia podstawowe … 124
5.3. Definicja systemu konfliktu … 125
5.3.1. Profile konfliktu … 126
5.3.2. Wyznaczenie consensusu dla profili użytkowników … 127
5.4. Profil użytkownika … 129
5.5. Wykorzystanie profilu użytkownika … 133
5.6. Badania eksperymentalne systemu Megane … 135
5.6.1. Przebieg eksperymentu … 136
5.6.2. Wyznaczenie efektywności rekomendacji interfejsu użytkownika … 138
5.7. Podsumowanie … 143
6. Adaptacja interfejsu użytkownika z wykorzystaniem metod inspirowanych naturą … 145
6.1. Wykorzystanie AIS w adaptacji interfejsów użytkownika … 146
6.1.1. Model AIS zastosowany w RS … 146
6.1.2. Architektura systemu Reporter … 148
6.1.3. Implementacja i weryfikacja … 149
6.2. Wykorzystanie metafory kolonii mrówek w adaptacji interfejsów użytkownika … 151
6.2.1. Architektura systemu rekomendacyjnego wykorzystująca ontologie … 152
6.2.2. Metafora kolonii mrówek … 155
6.2.3. Badania efektywności i własności wykorzystania kolonii mrówek w rekomendacji interfejsów użytkownika … 158
6.3. Podsumowanie … 161
7. Wykorzystanie klasyfikacji przybliżonej do wyznaczenia optymalnego profilu użytkownika … 163
7.1. Koncepcja i podstawowe pojęcia klasyfikacji przybliżonej … 163
7.2. Klasyfikacja przybliżona profili użytkownika … 166
7.3. Rozwiązania problemów klasyfikacji przybliżonej … 168
7.3.1. Rozwiązanie problemu RC-1 … 169
7.3.2. Rozwiązanie Problemu RC-2 … 170
7.3.3. Rozwiązanie Problemu RC-3 … 171
7.4. Przykład rozwiązania problemów RC-1, RC-2 i RC-3 … 172
7.5. Badania eksperymentalne klasyfikacji przybliżonej … 174
7.6. Podsumowanie … 177
8. Uwagi końcowe … 179
9. Literatura … 181
2. Interakcyjne systemy webowe … 11
2.1. Systemy interakcyjne … 12
2.1.1. Style interakcji … 13
2.1.2. Wybór stylu interakcji … 18
2.2. Hipertekst i hipermedia … 18
2.3. Technologie webowe … 21
2.3.1. Technologie warstwy prezentacji … 23
2.3.2. Technologie warstwy aplikacji … 27
2.3.3. Technologie warstwy bazy danych … 30
2.4. Użyteczność i dostępność systemów interakcyjnych … 31
2.4.1. Normy i definicje użyteczności i dostępności … 31
2.4.2. Metody zapewnienia użyteczności … 34
2.4.3. Miary użyteczności systemów interakcyjnych … 44
2.5. Personalizacja systemów webowych … 46
2.6. Perspektywy rozwoju systemów webowych … 49
2.7. Podsumowanie … 51
3. Modelowanie użytkownika w webowych systemach rekomendacyjnych … 55
3.1. Dziedziny zastosowań systemów rekomendacyjnych … 56
3.2. Cele i zadania użytkownika w systemie rekomendacyjnym … 57
3.3. Zawartość, reprezentacja, tworzenie i aktualizacja profilu użytkownika … 59
3.3.1. Zawartość profilu … 60
3.3.2. Reprezentacja profilu użytkownika … 63
3.3.3. Inicjowanie profilu … 67
3.3.4. Techniki uczenia profilu … 69
3.3.5. Informacja zwrotna od użytkownika … 75
3.3.6. Techniki adaptacji profilu … 76
3.4. Podsumowanie … 77
4. Wykorzystanie modelu użytkownika w systemach rekomendacyjnych … 81
4.1. Metoda filtrowania informacji … 81
4.1.1. Filtrowanie demograficzne (DF) … 81
4.1.2. Filtrowanie bazujące na zawartości (CBF) … 83
4.1.3. Filtrowanie kolaboratywne (CF) … 83
4.1.4. Inne metody bazujące na filtrowaniu kolaboratywnym … 85
4.1.5. Wnioskowanie oparte na przypadkach użycia (CBR) … 86
4.1.6. Podejście hybrydowe (HA) … 87
4.2. Techniki dopasowania rekomendowanego elementu do profilu użytkownika … 88
4.2.1. Dokładne dopasowanie na podstawie słów kluczowych … 88
4.2.2. Funkcje odległości i podobieństwa … 89
4.2.3. Klasyfikacja … 97
4.3. Dopasowanie pomiędzy profilami … 98
4.3.1. Znajdowanie podobnych użytkowników … 98
4.3.2. Utworzenie sąsiedztwa … 100
4.3.3. Wyznaczenie predykcji na podstawie wybranego sąsiedztwa … 100
4.4. Metody oceny efektywności systemów rekomendacyjnych … 102
4.4.1. Miary efektywności wywodzące się z IR … 104
4.4.2. Pozostałe miary badania efektywności systemów rekomendacyjnych … 110
4.4.3. Wykorzystanie miar efektywności do badania rekomendacji w zbiorze MovieLens … 114
4.5. Podsumowanie … 116
5. Adaptacja interfejsów użytkownika metodą consensusu … 119
5.1. Architektura adaptacyjnego interfejsu użytkownika webowego systemu informacyjnego … 120
5.2. Teoria consensusu … 123
5.2.1. Pojęcia podstawowe … 124
5.3. Definicja systemu konfliktu … 125
5.3.1. Profile konfliktu … 126
5.3.2. Wyznaczenie consensusu dla profili użytkowników … 127
5.4. Profil użytkownika … 129
5.5. Wykorzystanie profilu użytkownika … 133
5.6. Badania eksperymentalne systemu Megane … 135
5.6.1. Przebieg eksperymentu … 136
5.6.2. Wyznaczenie efektywności rekomendacji interfejsu użytkownika … 138
5.7. Podsumowanie … 143
6. Adaptacja interfejsu użytkownika z wykorzystaniem metod inspirowanych naturą … 145
6.1. Wykorzystanie AIS w adaptacji interfejsów użytkownika … 146
6.1.1. Model AIS zastosowany w RS … 146
6.1.2. Architektura systemu Reporter … 148
6.1.3. Implementacja i weryfikacja … 149
6.2. Wykorzystanie metafory kolonii mrówek w adaptacji interfejsów użytkownika … 151
6.2.1. Architektura systemu rekomendacyjnego wykorzystująca ontologie … 152
6.2.2. Metafora kolonii mrówek … 155
6.2.3. Badania efektywności i własności wykorzystania kolonii mrówek w rekomendacji interfejsów użytkownika … 158
6.3. Podsumowanie … 161
7. Wykorzystanie klasyfikacji przybliżonej do wyznaczenia optymalnego profilu użytkownika … 163
7.1. Koncepcja i podstawowe pojęcia klasyfikacji przybliżonej … 163
7.2. Klasyfikacja przybliżona profili użytkownika … 166
7.3. Rozwiązania problemów klasyfikacji przybliżonej … 168
7.3.1. Rozwiązanie problemu RC-1 … 169
7.3.2. Rozwiązanie Problemu RC-2 … 170
7.3.3. Rozwiązanie Problemu RC-3 … 171
7.4. Przykład rozwiązania problemów RC-1, RC-2 i RC-3 … 172
7.5. Badania eksperymentalne klasyfikacji przybliżonej … 174
7.6. Podsumowanie … 177
8. Uwagi końcowe … 179
9. Literatura … 181