Odporúčanie informácií s využitím kontextu v špecifickej doméne

Odporúčanie informácií s využitím kontextu v špecifickej doméne (Personalizované odporúčanie noviniek) Anton Benčič prof. Mária Bieliková

Koncepcia • Koľko? • Personalizácia Kontext • Kedy? • Aké? • Ako?

Procesy 3. Tvorba odporúčaní Kedy?

Procesy (Tvorba odporúčaní) PodsuňNovinku (CFP) 3. Tvorba odporúčaní Kedy? NepodsuňNovinku (CFN) CF 1 CFP CFN 0 t

Procesy 3. Tvorba odporúčaní Kedy? 2. Tvorba pravidiel

Procesy (Tvorba Pravidiel) • Aktuálna situácia • Situácia A1(CFA1) • Situácia A2(CFA2) • Situácia B1(CFB1) PodsuňNovinku (CFP) NepodsuňNovinku (CFN) Kedy? 2. Tvorba pravidiel IF A1(CFA1) AND B1(CFB1) THEN PodsuňNovinku(CFR) IF A2(CFA2) AND B1(CFB1) THEN PodsuňNovinku(CFR)

Procesy (Tvorba odporúčaní) IF A1(CFA1) AND B1(CFB1) THEN PodsuňNovinku(CFR1) • Zoberie sa celá množina pravidiel • Istoty pravidiel CFRsa redukujú podľa toho, aká časť predpokladov je zároveň obsiahnutých v aktuálnej situácii • Istoty pravidiel CFR sa redukujú podľa toho, ako často nastala situácia, ktorá je ich predpokladom po tom, ako boli vytvorené (aktualizované) IF A2(CFA2) AND B1(CFB1) THEN PodsuňNovinku(CFR2)

Procesy 3. Tvorba odporúčaní Kedy? 2. Tvorba pravidiel 1. Aktualizácia situácie

Procesy (Tvorba odporúčaní) IF A1(CFA1) AND B1(CFB1) THEN PodsuňNovinku(CFR1) • Zoberie sa celá množina pravidiel • Istoty pravidiel CFRsa redukujú podľa toho, aká časť predpokladov je zároveň obsiahnutých v aktuálnej situácii • Istoty pravidiel CFR sa redukujú podľa toho, ako často nastala situácia, ktorá je ich predpokladom po tom, ako boli vytvorené (aktualizované) • Výsledná istota pravidiel sa vynásobí s minimálnou istotou z množiny istôt zostávajúcich predpokladov a istôt korešpondujúcich atomických situácií • Iteratívne sa spočítajú sa istoty pravidiel pomocou vzorca IF A2(CFA2) AND B1(CFB1) THEN PodsuňNovinku(CFR2) ()

Procesy (Tvorba odporúčaní) CF • CFP je v lokálnom maxime a CFN nie je v lokálnom maxime • CFN je v lokálnom minime 1 CFP CFN 0 t

Charakteristiky metódy • Založená na pravidlách a koncepte faktoru istoty • Schopná učenia a preučenia (vďaka temporálnemu modelu) • Automatická schopnosť identifikácie dôležitého kontextu (problém výberu správneho kontextu) • Jednoducho rozšíriteľná o nové typysituácií a akcií • Jednoducho rozšíriteľná do ďalších domén

Stav a plán • Hotové v prvej verzii • Proces aktualizácie situácií • Proces tvorby pravidiel • Proces tvorby odporúčaní • Plánované • Simulácie a konfigurácia (parametrov) modelu • Experiment na vzorke reálnych používateľov • Automatická identifikácia situácií zo surového kontextu

Simulácie • Vytvorenie niekoľkých simulátorov • Simulácia procesu aktualizácie situácií • Simulácia procesu tvorby pravidiel • Získanie „nakonfigurovanej“ metódy s „peknými“ krivkami istôt akcií CF 1 CFP CFN 0 t

Experiment • Verzia A • Zakomponovanie odporúčača a podsúvanie článkov • Vplyv na výsledky? • Verzia B • Iba otázka, čí by si teraz chcel používateľ prečítať nejaký zaujímavý článok

Záver • Návrh pravidlovo založenej metódy odporúčania akcií schopnej učenia a preučenia • Experimentálne overenie v doméne internetových noviniek • Identifikácia typov atomických situácií relevantných pre rozhodovanie o vhodnosti situácie pre odporučenie noviniek • Implementácia všeobecného pracovného rámca pre využitie metódy bez znalosti jej logiky • Automatická identifikácia situácií zo surového kontextu

CONTEXT <web /> <http /> <www /> <html /> <https /> Anton Benčič prof. Mária Bieliková

Odporúčanie informácií s využitím kontextu v špecifickej doméne