Grzegorz Jankowski - Marek Piasecki

POLITECHNIKA WROCŁAWSKA
WYDZIAŁ ELEKTRONIKI
Informatyka Systemów
Autonomicznych
Modelowanie zainteresowań użytkownika
w systemach informacji turystyczno-muzealnej
AUTOR OPRACOWANIA:
PROWADZĄCY ZAJĘCIA:
Grzegorz Jankowski
Dr inż. Marek Piasecki
Indeks: 133262
E-mail: [email protected]
OCENA PRACY:
Wrocław 2007
1. Wprowadzenie do idei modelowania użytkownika
Czyli w jakim celu buduję się model zainteresowań użytkownika. Głównym
celem jest pogodzenie ze sobą dwóch celów: zapewnienie powszechnego dostępu do
informacji uwzględniając jednocześnie indywidualne zainteresowania użytkownika.
Umożliwienie różnym użytkownikom zindywidualizowanego dostępu do systemu
informacyjnego wymaga od systemu zdolności adaptacyjnych. Przede wszystkim
oznacza zaadaptowanie się systemu do indywidualnych preferencji użytkownika
w oparciu o dokonywany przez niego wybór w obrębie zestawu możliwości
oferowanych przez system, jednak może on również przybierać formy bardziej złożone,
polegające na zdolności do rozpoznawania przez system celów i planów użytkownika,
jego stanu wiedzy i przejawianych preferencji, czyli właśnie zdolność do budowania
modelu użytkownika i samodzielnemu adoptowaniu się do tych cech w oparciu o wiedzę
proceduralną. Budowanie modelu użytkownika jest zatem jednym z podstawowych
warunków działania inteligentnych systemów informacyjnych.
Proces modelowania użytkownika dokonuje się poprzez rekonstrukcję jego
celów, planów, wiedzy i przekonań w trakcie interakcji użytkownika z systemem
interaktywnym.
Dynamiczność
procesu
modelowania
użytkownika
wynika
z dynamicznego charakteru zachowań informacyjnych oraz zmienności czynników
wywołujących te zachowania (potrzeby informacyjne) oraz wpływających na ich
przebieg. Dynamiczny charakter procesu modelowania powoduje, że wynik tego
procesu - model użytkownika - nie jest układem stałym, lecz podlega licznym
przekształceniom w trakcie interakcji użytkownika z systemem. [1]
Budowa współczesnych systemów inteligentnych często ma charakter modułowy
(multi-agent
architecture).
Obejmujący
zespół
inteligentnych,
autonomicznych
i wzajemnie ze sobą współpracujących agentów, zdolnych do komunikowania się ze
sobą oraz do komunikowania się z użytkownikiem.
2. Metody modelowania użytkownika
2.1 Stereotypy
Jest to metoda najczęściej wykorzystywana do tworzenia wstępnego modelu
użytkownika. Jej istota polega na wykorzystaniu fakty że cześć założeń dotyczących
wiedzy, celów i przekonań użytkowników systemu można przypisach każdemu
użytkownikowi lub pewnym grupom użytkowników. W wyniku takiego postępowania
następuje wyodrębnienie wśród potencjalnych użytkowników systemu podgrup których
członkowie, odznaczają się pewną grupą wspólnych cech.
Efektywne wykorzystanie tej metody jest uwarunkowane wypracowaniem
szeregu dróg umożliwiających określenie zestawu charakterystyk domyślnych, ustalenie
sposobów rozpoznawania przez system przynależności użytkownika do określonej
podgrupy, opisanych poprzez zestaw wspólnych cech. Przykładowo, jeżeli gość jest
studentem, to należy go zaliczyć do innej grupy niż np. emeryta, jednak można zakładać
że większość członków grupy „studenci” przestawiać będzie podobne preferencje.
Niestety zakres i ilość wniosków które można wysnuć na podstawie stereotypów
jest ograniczona. W celu uzyskania pełniejszego modelu, o dynamiczne dane uzyskane
w wyniku analizy jego interakcji z system.
2.2 Badanie historii interakcji
Na podstawie historii interakcji użytkownika z system można określić wiele
dodatkowych cech. W efekcie jego zastosowania dochodzi do skojarzenia określonych
wzorów interakcji z grupami użytkowników.
Badanie historii interakcji i modelowanie przez stereotypy są metodami
wzajemnie się uzupełniającymi. Warunkiem prawidłowego posługiwania się tą metodą
jest opracowanie technik wyodrębnienia i definiowania cech interakcji użytkownika
z systemem, projektowania sposobów reprezentowania interakcji w pamięci komputera,
ich rozpoznawania i aktywowania przez system stosownie do sytuacji[1].
2.3 Heurystyczna analiza pytań i wypowiedzi w użytkownika w trakcie interakcji
z systemem.
Dokonując analizy zapytań użytkownika umożliwia zbudowanie apriorycznego
(czyli opartego na rozumowaniu) modelu użytkownika. Model taki obejmuję głównie te
elementy wiedzy o użytkowniku, które są wspólne dla wyodrębnionych podgrup
użytkowników (stereotypów). Rozpoznanie przynależności użytkownika do określonego
stereotypu powoduję aktywację stosowny wzorów interakcji, danemu stereotypowi
przypisanych.
Do budowy modeli indywidualnych wykorzystuję się metodę analizy dialogu
użytkownika z system, a w szczególności reakcje użytkownika na działanie systemu.
Poprzez analizę pytań zadawanych przez użytkownika w trakcie interakcji z system,
można wnioskować o wiedzy użytkownika, jego przekonaniach i celach. Założenia
dotyczące użytkownika, wyprowadzane w sposób inferencyjny z analizy jego interakcji
z systemem, stanowią podstawę do budowanie indywidualnego modelu użytkownika,
uzupełniającego w sposób istotny wstępny model, zawierający dane stereotypowe.[1]
Najczęściej stosuję się wnioskowanie heurystyczne, zastosowanie takich reguł
wnioskowania wpływa w istotny sposób na ilość i jakość założeń czynionych przez
moduł modelowania na podstawie analizy wypowiedzeń użytkownika. Należy pamiętać
że:
1) Komponent modelujący może formułować wiele założeń
2) W
każdej
chwili
mogą
powstać
nieporozumienia
między
użytkownikiem a system, co może spowodować skonstruowanie złych
założeń
3) Założenia konstruowane przez system należy traktować tylko jako
prawdopodobne, nie ma pewność co do ich poprawności.
W celu ulepszenia modelu wypracowuje się specjalne metody umożliwiające
weryfikacje powstałego modelu:
Przykładami niektórych reguł heurystycznych odzwierciedlających sposobów
postępowania i charakter formułowanych założeń są[2]:
•
Reguła poprawnego użycia Æ jeżeli użytkownik posługuję się prawidłowo
obiektami i pojęciami, to znaczy że je zna
•
Reguła niepoprawnego użycia Æ jeżeli użytkownik posługuję się nieprawidłowo
obiektami i pojęciami, to znaczy że go nie zna
•
Prośba o wyjaśnienie Æ jeżeli użytkownik zwraca się do systemu z prośbą o
wyjaśnienie to znaczy że go nie zna.
•
Prośba o szczegółowe informacje Æ jeżeli użytkownik chce być poinformowany
o bardziej szczegółowych charakterystykach obiektu, to znaczy że zna ten obiekt
•
Sprzężenie zwrotne Æ jeżeli na reakcja użytkownika na odpowiedź systemu
sformułowaną
w
oparciu
o
poczynione
wcześniej
założenia
jest
pozytywna/negatywna to znaczy że poczynione założenie jest odpowiednio
bardziej prawdopodobne lub mniej prawdopodobne.
3. Przykład zastosowania
3.1 Muzeum w Siena
Badania przeprowadzone na University of Siena Multimedia Laboratory [3]
pokazują
możliwość
zastosowania
systemu
agentowego
do
personalizacji
interaktywnego przewodnika po muzeum. Przewiduję one wyposażenie każdego gościa
muzeum przenośny termin ze słuchawkami. Przewidując zachowanie gościa, system
przyjmuje w kolejnych pokojach odpowiednią strategie, łącząc posiadane dane z
informacjami o preferencjach jednostki, system może przystosowywać teksty które
zaprezentuję, nadając wizycie osobisty charakter.
W system wykorzystywana jest sztuczna sieć neuronowa. W pierwszej kolejności
w celu klasyfikacji gości użyto tam najprostszej metody czyli po prostu analizy gdzie się
oni kierują i ile czasu spędzają przy poszczególnych miejscach/pokojach. Na podstawie
badania sposobu przemieszczania się ludzi po muzeum, można im nadać na 4 kategorie:
•
mrówka (długa wizyta, postępująca po kolei, kompletna)
•
motyl (krótszy czas, wybiórczy, nie po kolei );
•
ryba (krótka wizyta, powierzchowna, z dala od dzieł sztuki);
•
konik polny (krótka wizyta, z kilkoma postojami, nie-sekwencyjna)
Zastosowano
algorytm samoorganizacji, który oblicza 11 wymiarowy wektor.
Pierwszych 7 elementów dotyczy topologicznych i ogólnych parametrów pokoju
(wymiar, liczba i okres pracy z sztuka, wysoka pozycja) kolejne 4 skupiają się na
obliczaniu dynamicznie związku gościa z danymi pokojami.
Nagrane opisy eksponatów umieszczone są w niewielkich blokach, każdy z nich
opatrzony jest etykietą z jedną z czterech możliwych tematów (osoba wszechstronna,
historycznie, dużo anegdot, artysta). W badanym systemie hipertekst korespondujące
z każdym opisem został przedstawiony w matrycy węzłów i związków pomiędzy nimi.
Każde połączenie ma swoją wartość, powstaję pewnego rodzaju graf. W efekcie
końcowym, na skutek działania algorytmów, każdy zwiedzający muzeum słyszy
spersonalizowany dla niego głos nagranego wcześniej lektora. Ogólna idea,
przestawiano jest na kolejnym rysunku:
Rys. 1. Schemat działania agenta-przewodnika w muzeum.
3.2 Inne możliwości zastosowania – przewodnik po mieście
Przykładem zastosowania techniki modelowania
użytkownika, może być również wirtualny przewodnik po
mieście, wytyczający indywidualną trasę dla zwiedzających.
System taki brałby pod uwagę zarówno lokalizację
obiektów jak np. Ratusz, Zoo, Katedra jak i sposób
przemieszczania się zwiedzającego (pieszo, samochód,
rower, komunikacja miejska), jak również indywidualne
preferencje jak ilość czasu przeznaczone na zwiedzanie. Na
rysunku 2. zaprezentowane są 2 trasy zwiedzania tych
samych obiektów, pierwsza ogólna, druga przystosowana dla ludzi którzy preferują
deptaki niż ulicę z ruchem ulicznym. Podobnie jak w przypadku muzeum tu równie
zastosować możemy indywidualny zestaw słuchawkowy jak na rysunku obok tekstu na
poprzedniej stronie. System mógłby również działać na komputerze użytkownika
przygotowując mu trasę na wycieczki, a później na podstawie jego opinii o trasie (co mu
się podobało, a co nie) poprawić, posiadany model użytkownika.
Rys. 2. Na górze trasa nie spersonalizowana, na dole trasa ustalona specjalnie
konkretnego użytkownika[4]
4. Podsumowanie
Zastosowanie
modelowania
użytkownika,
daję
możliwość
tworzenia
oprogramowania i system bardziej przyjaznych użytkownikowi, w najbliższym czasie
możemy spodziewać się wzrostu zainteresowania tą dziedziną, przykładowo już teraz w
Windows Vista zaimplementowano, podobno, system który stara się przewidywać jakie
aplikację będą w danym momencie potrzebne. Należy jednak pamiętać że
cześć
użytkowników nie lubi jeżeli „system wie lepiej” dlatego też nie można popadać w
skrajność, bowiem system taki nie spotkałby się z miłym przyjęciem. Należy również
pamiętać że preferencje użytkownika mogą być zmienne w czasie, system musi więc się
do tych zmian adoptować, a do tego ciągle trzeba brać pod uwagę że wypracowany
model jest tylko prawdopodobny, nie można być pewnym że obrazuje dokładnie
preferencje danego użytkownika.
5. Bibliografia
[1] Metody i techniki modelowania użytkownika w inteligentnych systemach
informacyjnych (http://www.zsi.pwr.wroc.pl/missi2000/referat30.htm)
[2] POHL W., KOBSA A., KUTTER O., User model acquisition heuristics based
on dialog acts, International Workshop on the Design of Cooperative Systems,
Antibes-Juan-les-Pins, France 1995,
(http://www.ics.uci.edu/~kobsa/papers/1995-COOP95-kobsa.pdf)
[3] Marti P., Rizzo A., Petroni L., Tozzi G., Diligenti M. "Adapting the museum:
a non-intrusive user modeling approach"
[4] Fink J., Kobsa A., "User Modeling for Personalized City Tours"
Artificial Intelligence Review, Volume 18, Number 1 / September, 2002