Elektrotehniški vestnik 78(5): 270-274, 2011 Existing separate English edition
Podatkovna baza za kontekstualno personalizacijo
Andrej Košir1, Ante Odic1, MatevZ Kunaver1, Marko TkalciC1, Jurij F. Tasic1
1 Faculty of Electrical Engineering, University of Ljubljana, Tržaška 25, 1000 Ljubljana, Slovenia
J( E-mail: andrej.kosir@fe.uni-lj.si
Povzetek. V zadnjih letih opažamo, da se je razvoj personaliziranih aplikacij osredotočil na uporabo kontekstualnih informacij, torej informacij o situaciji, v kateri uporabnik dostopa do ponujenih vsebin. Težava, na katero naletijo raziskovalci na tem podrocju, pa je v tem, da ne obstaja javno dostopna podatkovna baza, ki bi vsebovala potrebne podatke za reševanje odprtih problemov s podrocja kontekstualnih opisov. Glavni razlogi za tako stanje so številne tezave, ki nastopijo pri zbiranju kontekstualnih informacij o uporabniku. V prispevku predstavljamo javno dostopno podatkovno bazo, ki vsebuje podatke primerne za raziskave s podrocšja kontekstualne personalizacije. Podatki v bazi so bili pridobljeni s sodelovanjem uporabnikov, ki so si ogledali izbrani film in takoj zatem v sistem vnesli kontekstualne podatke o situaciji, v kateri so bili med ogledom filma. Poleg opisa podatkov prispevek vsebuje tudi osnovno statistiko in izbrane lastnosti potencialno kontekstualnih spremenljivk. V trenutku oddaje je podatkovna baza vsebovala 12 kontekstualnih spremenljivk, vec kot 90 uporabnikov, 950 vsebin in 1600 ocen vsebin. Podatke smo zbirali s pomocjo namenske spletne aplikacije, kije javno dostopna in preko katere še vedno poteka aktiven zajem podatkov. Podatke o filmskih vsebinah dodatno razširimo z metapodatki, pridobljenimi iz javno dostopnih podatkovnih baz.
Ključne besede: Kontekstualna personalizacija, testna mnozica, nacrt poskusa
Database for contextual personalization
In recent years, research into user centric and personalized applications has focused on the utilization of contextual information about the situation in which the user is consuming the content item. However, there is no database suitable for the investigation of specific open issues of contextual information description and utilization available today. The reason for this are several known difficulties with user related contextual information acquisition. A description of a publicly available database for personalization and user adaptation including contextual information is given in the paper. The data was acquired from users watching movies and then providing contextual information about the event in addition to submitting ratings about the movie. Beside describing raw data, the paper outlines basic statistics and selected properties of potentially contextual variables. At the time of submission, the database included 12 contextual variables, more than 90 users, 950 items and 1600 ratings. Data was acquired using a dedicated web application which is still publicly available and the data acquisition is still in progress. Content items (movies) can be enhanced by content item metadata using publicly available databases.
1 UVOD
S stališča uporabnika predstavlja veliko število ter tudi hitra rast števila uporabniku dostopnih multimedi-jskih vsebin in storitev velik problem. Delo in upravljanje z modernimi komunikacijskimi sistemi ter vsebinami, ki jih nudijo, je še vedno neprijetno oziroma v
nekaterih primerih za širšo množico uporabnikov celo neizvedljivo. Osnovni pristop k reševanju tega problema je personalizacija in prilagajanje uporabnikom. VeČina pristopov s tega podrocja temelji na napovedovanju uporabnikovih dejanj, najpogosteje ocen, ki jih bo uporabnik dodelil dolocšeni vsebini.
V zadnjih letih se uveljavlja kontekstualna person-alizacija, saj kontekst vpliva na nacšin, kako uporabnik dostopa do izbrane vsebine in kaksšne odlocšitve sprejme v zvezi z njo. Kontekstualni podatki lahko vsebujejo tako informacije o situaciji kot tudi informacije o uporabnikovem stanju, ko dostopa do vsebine [1]. Kontekst je tako lahko podatek o casu, vremenu, socialnem statusu, razpolozenju itd. [2], [3]. Vendar pa je povezava med kontekstom in dejanskimi uporabnikovimi odlocitvami zelo kompleksna in kot taksšna tudi zahtevna za modeliranje. Prav tako pa je tezavno zbrati kontekstualne podatke, saj proces zbiranja le-teh pogosto moti proces odlocanja in lahko tako vpliva ali celo unici zbrane kontekstualne podatke.
Za cim boljši zajem kontekstualnih podatkov je potrebno proces zajema priblizšati uporabniku. Primerna osnova za to so filmske vsebine, ki jih uporabniki (zlasti mlajša generacija) pogosto gledajo na osebnih racšunalnikih. Prednost nasše podatkovne baze je v tem, da so kontekstualni podatki, ki jih vsebuje, zajeti med samim dostopanjem do vsebine in so zato bolj zanesljivi. Poleg tega smo zajeli 12 razlicnih tipov (potencialnih) kontekstualnih podatkov, kar omogocša obsširne raziskave
več odprtih problemov s področja kontekstualne person-alizacije. A priori analiza statistične moči kaže, da predstavljena podatkovna baza zadošča osnovnim zahtevam glede velikosti (števila uporabnikov, ocen itd.).
V	prispevku predstavljamo podatkovno bazo za razvoj aplikacij na področju kontekstualne personalizacije. Podali bomo osnovne statisticšne podatke o izbranih spremenljivkah. Proces zajema podatkov je še vedno v teku, saj je spletna aplikacija še vedno dostopna. Menimo, da je za razvoj pomembno dejstvo, da so podatki, vsebovani v predstavljeni, bazi zajeti med procesom dostopa do vsebine in so zato bolj natancšni in relevantni.
2 Podatkovna baza za
KONTEKSTUALNO PERSONALIZACIJO
Dostop do zanesljive podatkovne baze za kontekstualno personalizacijo je postal kriticšnega pomena za razvoj postopkov na področju personalizacije. Kontekst ima velik vpliv na proces uporabnikovega odločanja in podatkovna baza, ki jo predstavljamo v tem prispevku, nam omogocša sštudijo tega vpliva. Poleg same podatkovne baze bomo predstavili tudi ovire in zahteve, ki jih je potrebno uposštevati pri postavitvi take baze. V sledecših podpoglavjih bomo opisali splošna navodila, ki jih je potrebno upoštevati pri zajemu kontekstualnih podatkov. V naslednjem poglavju pa bomo podrobneje prestavili našo podatkovno bazo in postopke, ki smo jih uporabili med njenim nastankom.
V	okviru tega prispevka uporabljamo pojem "zajem podatkov o uporabniku" za celotni proces zajema in vnosa podatkov v podatkovno bazo. Pojem "aplikacija za zajem podatkov" pa opisuje dodatne funkcionalnosti (gumbi in tekstovna polja), ki smo jih dodali platformi, na kateri je uporabnik dostopal do vsebin (osebni racšunalnik), z namenom, da uporabniku omogocšimo vnos kontekstualnih informacij.
2.1 Kako izbrati in motivirati uporabnike za zbiranje kontekstualnih informacij?
Kot smo ze omenili, je pri zajemu kontekstualnih informacij zelo pomembno, da ima sam zajem čim manjši vpliv na proces uporabnikovega odločanja. To pomeni, da mora biti proces zajema vgrajen v okolje, v katerem uporabnik dostopa do vsebin in sprejema odlocšitve.
Pomembno je tudi, da uporabnik sodeluje zaradi pravih razlogov. Naše mnenje je, da je najboljši motiv pomocš pri razvoju personaliziranih aplikacij zase ter za druge uporabnike [4].
Cš e povzamemo - med procesom zajema kontekstu-alnih informacij naj se uporabnik čim bolj drzi svojih navad in okoliščin, v katerih običajno dostopa do vsebin. Ce uporabnik na primer gleda film na svojem osebnem računalniku, naj se kontekstualni podatki zajemajo tako, da uporabnika ne motijo oziroma da se jih po moznosti niti ne zaveda. Pri izgradnji naše podatkovne baze smo
zato izbrali uporabnike, ki so vešči dela z računalniki in Ze sami po sebi uporabljajo računalnik za dostop do multimedijskih vsebin.
2.2	Katere vsebine ponuditi?
Prav tako kot ne zelimo vplivati na uporabnika in na okolisščšine, v katerih dostopa do vsebin, moramo poskrbeti za to, da tudi ponudba vsebin ostane nespremenjena. Najboljši način, s katerim to zagotovimo je, da se ponudba vsebin ter storitev, ki te vsebine ponujajo, ne spremenijo, kadar poteka zajem podatkov o uporabnikih. Zato je aplikacija za zajem kontekstualnih informacij običšajno samostojna in neodvisna od storitve za dostop do vsebin.
2.3	Kako zajemati podatke?
Da lahko dosezemo neinvaziven zajem podatkov, moramo podatke zbirati preko komunikacijskih naprav in storitev, ki se uporabljajo v realnem okolju. Dodatne funkčionalnosti, ki so potrebne za zajem podatkov, morajo biti enostavne, uporabniku prijazne in predvsem za uporabnika čim bolj nevidne. Idealna rešitev je avtonomni pročes zajema podatkov, katerega poteka se uporabnik niti ne zaveda.
Ce se zelimo čimbolj priblizati idealni rešitvi, moramo aplikačijo za zajem podatkov vgraditi v napravo, s katero uporabnik dostopa do vsebin, na tak načšin, da le-ta ne moti uporabnika in mu omogočša, da napravo uporablja tako, kot je navajen. Uporabnikovi vedenjski vzorči se ne smejo spremeniti tudi v situačiji, ko v sistem vnasša kontekstualne informačije v drugačšni sočialni situačiji (ko je na primer pri prijatelju ali z druzino).
2.4	Katere dodatne informacije potrebujemo, ce zelimo, da bo podatkovna baza koristna za raziskave?
Cš e zšelimo podatkovno bazo uporabiti za raziskave na področju kontekstualne personalizačije, potrebujemo podatke o uporabnikih, vsebinah in kontekstu. Ce zelimo podatke tudi statistično ovrednotiti, potrebujemo še splosšne podatke o uporabnikih (spol, starost) ter podatke o uporabnikovih vedenjskih vzorčih pri dostopanju do vsebin (pogostost uporabe....). Vsebine je potrebno opremiti z metapodatki ali pa vsaj vgraditi mehanizem, ki bi kasneje omogočšal dostop do metapodatkov, kot so naslov filma, zanr, igralči itd. Primer filmskih metapo-datkov se nahaja na spletni strani IMDB [5].
2.5	Kateri načrti poskusov naj bodo podprti?
Večšina postopkov, s katerimi lahko natančšno očen-imo uspešnost in natančnost personalizačijskih postopkov, temelji na statističšnih metodah. Primeri predstavitve testnih rezultatov so matrika razvrščanja, ROC krivulja, metoda za primerjavo učinkov in statistično testiranje hipotez. Ce zelimo te metode uporabiti za vrednotenje sistema, je potrebno poskus pravilno zasnovati. Predvsem mora biti poskus zasnovan tako, da ga lahko izvedemo na izbrani podatkovni bazi. Zasnova je
odvisna predvsem od zajetih spremenljivk ter njihovih lastnosti. Vsako izmed spremenljivk lahko uvrstimo med kategorične, ordinalne ali numerične spremenljivke. Tipi spremenljivk nas omejujejo pri izbiri metod vrednotenja. Pomembna je tudi velikost podatkovne baze. Z uporabo apriori analize moči testov [6] lahko za vsako zasnovo poskusa ugotovimo, koliko podatkov je potrebnih za načrtovano interpretacijo rezultatov. Število potrebnih podatkov se lahko nanaša na število uporabnikov, vsebin, ocen ali polnost podatkovne baze (število ocen na vsebino).
Nadaljnje podrobnosti o zasnovi poskusa so odvisne od problema, ki ga zeli raziskava analizirati. Očitno je, da ni mozšno vedno zadostiti vsem zahtevam. Zato je toliko bolj pomembno, da nam podatkovne baze, ki so na voljo, omogočijo, da vnaprej preverimo, če je določena zahteva izpolnjena ali ne.
3 Kontekstualna podatkovna baza (LDOS-CoMoDa )
V tem poglavju bomo podrobneje opisali LDOS-CoMoDa podatkovno mnozičo. Na kratko bomo opisali postopek zajema podatkov, kateri podatki so nam na voljo ter njihove lastnosti. Opisali bomo tudi statistične lastnosti podatkov z namenom, da omogočimo čim lazjo uporabo podatkovne baze. Vsebine v nasši podatkovni bazi so filmi, naprava za dostop do vsebin pa je osebni račšunalnik, na katerem se nahaja tudi spletna aplikačija za zajem kontekstualnih informačij. Podrobnejši podatki so na voljo v naslednjih podpoglavjih.
3.1 Uporabniki, vsebine, kontekstualne informacije ter metapodatki
LDOŠ-CoMoDa podatkovna baza je bila zasnovana tako, da bi čim bolj zadostila zahtevam, ki smo jih opisali v prejšnjem poglavju. Vsebuje 30 spremenljivk izmed katerih jih je 12 kontekstualne narave. Ostale spremenljivke vsebujejo splosšne podatke o uporabniku (starost, spol, mesto, drzava) ali pa metapodatke o filmskih vsebinah (direktor, drzava izvora, jezik, leto izdaje, zanrl, zanr2, zanr3, igralečl, igraleč2, igraleč3, proračun).
Ker so kontekstualne spremenljivke za nas še posebej pomembne, jih podrobneje opisujemo v tabeli l. Vse kontekstualne spremenljivke so kategoričšnega ali nu-meričnega tipa. Nekatere so kategorične ze zaradi same narave svojih vrednosti (npr. vreme), ostalim pa je bil tip izbran med zasnovo podatkovne baze. To je bilo potrebno določšiti na samem začšetku, da bi omejili sštevilo razredov, s katerimi bo sistem operiral med pročesom zajema podatkov ter da bi s primerno izbiro tipov tudi lahko poenostavili analizo podatkov v pročesu resševanja problemov s področja kontekstualne personalizačije.
Osnove statistike LDOŠ-CoMoDa podatkovne baze v trenutku oddaje prispevka (15.12.2011) so podane v tabeli 2.
Ime spremen.	|Rg|	MVR	Opis
time	4	0.017	jutro, popoldne, večer, noč
daytype	3	0.015	delovni dan, vikend, počitniče
season	4	0.017	pomlad, poletje, jesen, zima
location	3	0.016	doma, javni prostor, pri prijateljih
weather	5	0.021	sončno / jasno, dezevno, nevihtno, snezno, oblačšno
social	7	0.013	sam, partner, prijatelji, sodelavči, starši, javnost, druzšina
endEmo	7	0	zšalosten, vesel, prestrašen, presenečeni, jezni, zgrozšen, nevtralen
dominantEmo	7	0	zšalosten, vesel, prestrašen, presenečeni, jezni, zgrozšen, nevtralen
mood	3	0	pozitivno, nevtralno, negativno
physical	2	0.022	zdrav, bolan
decision	2	0.021	lastna izbira, izbira drugih
interaction	2	0.020	prvič, ze večkrat
Tabela 1: Kontekstualne spremenljivke in njihove osnovne lastnosti, imena navajamo v originalni obliki. |Rg| predstavlja število ordinalnih ali kategoričnih razredov posamezne spremenljivke, MVR pa delez manjkajočih vrednosti
Tabela 2: Osnovni podatki podatkovne baze
število uporabnikov	95
število vsebin	961
število očen	1665
povprečna starost	27.0
število drzav	6
število mest	18
največ očen podanih s strani enega uporabnika	220
najmanj očen podanih s strani enega uporabnika	1
Ko pričakujemo posplošitev rezultatov statističnih postopkov na populačijo, je pomembna reprezentativnost analiziranega vzorča. Znano je, da je starost uporabnika zelo pomemben parameter v pročesu napovedovanja njegovega vedenja in njegove uporabe modernih komu-nikačijskih naprav. Histogram starosti uporabnikov je podan na sliki 1. Distribučija uporabnikov in očen je prikazana na slikah 2 in 3.
Polnost podatkovne baze je prikazana na sliki 4. Svetlost posameznih točk je odvisna od števila očen, dodeljenih izbranemu podsklopu vsebin (en stolpeč za vsak podsklop vsebin) s strani vsakega posameznega uporabnika (vsak uporabnik je predstavljen s svojo vrstičo). Iz analize je razvidna visoka raznolikost med uporabniki in vsebinami. Ker so se uporabniške identifikačijske sštevilke generirale zaporedno, lahko opazimo, da so uporabniki, ki so z očenjevanjem vsebin začeli kasneje v podatkovno bazo prispevali manj očen, kot tisti, ki so
sodelovali od samega začetka zajema podatkov. Histogram starosti
15
10
0
Ocene na vsebino
25 20 15 10 5 0
0	200 400 600 800 1000
Id vsebine
Slika 2: Število ocen na vsebino. Vecino vsebin je prejelo 2 do 3 ocene.
250 200 150 100 50 0
Ocene na uporabnika
10 20 30 40 50 60 70
Starost
Slika 1: Histogram starosti uporabnikov. VeČina se jih nahaja med 18 in 35 letom, kar reprezentativnost baze omejuje na ta starostni interval.
0	20	40	60	80	100
Id uporabnika
Slika 3: Število ocen na uporabnika. Med uporabniki opazimo velike razlike glede števila podanih ocen, kjer je veliko število uporabnikov podalo manj kot 10 ocen, medtem ko je skupina uporabnikov s 50 in vec podanimi ocenami prav tako sorazmerno velika.
Gostota testne množice
40	60
Vsebine
5
3.2 Zajem podatkov
Proces zajemanja kontekstualnih informacij o uporabniku je zelo obcutljiv na kontekstualne motnje. Zato je pravilna interpretacija zajetih podatkov tezaven in kompleksen proces. Kot smo prikazali v poglavju 2, lahko ze sam proces zajema podatkov moti uporabnika in tako spremeni zajete kontekstualne informacije.
Podatke v podatkovni bazi smo zajemali s pomocjo posebej za ta namen zasnovane uporabniku prijazne spletne aplikacije. Pri tem se je pomembno zavedati, da smo uporabnikom narocili, da vnesejo ocene in kon-tekstualne informacije takoj zatem, ko so dostopali do vsebin (filmov). Tako vnesene kontekstualne informacije so veliko bolj natancne kot tiste, ki jih uporabnik vnaša po spominu za vsebino, do katere je dostopal pred nekaj dnevi ali meseci. Uporabnike smo dodatno motivirali s tem, da smo jim pojasnili, da z vnosom ocen pomagajo pri razvoju novih postopkov in si izboljsšujejo svoj
Slika 4: Gostota testne mnozice. Svetlost tock je premoso-razmerna s sštevilom podanih ocen.
uporabniški model [4]. Poleg zajema podatkov spletna aplikacija nudi tudi sledenje ogledanih filmov, iskalnik po nekaterih kontekstualnih podatkih (cšas dneva, socialni status...) ter skupinski priporocilni sistem.
Slika 5 prikazuje rast sštevila uporabnikov s cšasom. Opazimo, da hitrosti rasti s casom upadajo, kar je pricakovano, lahko pa zaznamo dolocene hitrejše lokalne porasti sštevila uporabnikov. Spletna aplikacija še vedno deluje in je na voljo na http://212.235.187.145/ spletnastran/raziskave/um/emotions/login.php.
3.3 Dostop do LDOS-CoMoDa podatkovne baze
Raziskovalci, zainteresirani za uporabo podatkovne baze LDOS-CoMoDa , bodo na zahtevo po elektron-
Ocene po uporabnikih
1500
1000
500
ocene vsebine uporabniki
0 50 100 150 200 250 300 350 Čas
Slika 5: Potek zajema testnih podatkov v času.
ski posti prejeli z geslom zaščiteno povezavo, potem ko bodo vzpostavili kontakt preko spletne pošte na naslovu ldos-comoda@ldos.si. Poleg podatkovne baze bo raziskovalčem posredovana tudi posodobljena verzija osnovnih podatkov o bazi ter navodila za dostop do podatkov.
še več uporabnikov in njihovih ocen ter tako izboljšati velikost in polnost podakovne baze.
References
[1]	A. Dey, G. Abowd, Towards a better understanding of context and context-awareness, Proceedings of the 1st international symposium on Handheld and Ubiquitous Computing (1999) 304-307.
[2]	L. Baltrunas, B. Ludwig, S. Peer, F. Ricci, Context relevance assessment and exploitation in mobile recommender systems, Personal and Ubiquitous Computing (2011) 1-20doi:10.1007/s00779-011-0417-x.
[3]	F. Diez, J. E. Chavarriaga, P. G. Campos, A. Bellogin, Movie Recommendations based in explicit and implicit features extracted from the Filmtipset dataset, in: Proceedings of the Workshop on Context-Aware Movie Recommendation, 2010, pp. 45—52.
[4]	J. Herlocker, J. Konstan, L. Terveen, J. Riedl, Evaluating collaborative filtering recommender systems, ACM Transactions on Information Systems 22 (1) (2004) 5-53. doi:/10.1145/963770.963772.
[5]	The internet movie database (imdb) @ONLINE (Dec. 2011). URL http://www.imdb.com/
[6]	J. Cohen, Statistical Power Analysis for the Behavioral Sciences, Lawrence Erlbaum, 1988.
[7]	A. Odic, M. Kunaver, J. Tasic, A. Kosir, Open issues with contextual information in existing recommender system databases, in: ERK 2010 Proceedings, 2010.
[8]	G. Adomavicius, R. Sankaranarayanan, S. Sen, A. Tuzhilin, Incorporating contextual information in recommender systems using a multidimensional approach, ACM Transactions on Information Systems (TOIS) 23 (1) (2005) 103-145.
[9]	Z. Yujie, W. Licai, Some Challenges for Context-aware Recom-mender Systems, in: Computer Science and Education (ICCSE), 2010 5th International Conference on, 2010, pp. 362-365.
0
4 Zaključek
Z več kot 90 uporabniki, 900 vsebinami ter 1600 ocenami nudi LDOS-CoMoDa podatkovna baza okolje, primerno za raziskave večš odprtih problemov na področju kontekstualne personalizacije [7], [8], [9]. Na-jpomembnejsši del podatkovne baze so kontekstualne spremenljivke, ki opisujejo uporabnikova čustva itd, in nudijo dokaj natančen opis uporabnikovega dejanskega konteksta med dostopanjem do vsebine. Podatkovna baza je javno dostopna na podlagi predhodne zahteve preko elektronske posšte.
Glavna prednost naše podatkovne baze je v tem, da vsebuje kontekstualne informacije iz faze uporabnikovega dostopa do vsebin, za katere mislimo, da so najbolj natančne. Vsebuje 12 tipov potencialno kontekstu-alnih informacij. Na podlagi apriori analize moči testov smo ugotovili, da je velikost in polnost podatkovne baze zadostna, da jo lahko uporabimo v raziskavah na področju več odprtih problemov kontekstualne personalizacije.
Kljub vsemu pa ima podatkovna mnozica tudi nekaj slabosti, kar je hkrati tudi razlog, da je proces zajema kontekstualnih informacij še vedno aktiven. Apriori analiza statisticšne mocši testov [6] je pokazala, da je ob tipični velikosti učinka (ang. effect size) potrebno število uporabnikov okoli 1400. Naša podatkovna baza ta prag preseze, vendar je pri določenih uporabniških poskusih bazo potrebno razdeliti na podskupine, ki pa praga ne presezejo več. Zato bo potrebno zagotoviti
Andrej Košir je izredni profesor na Fakulteti za elektrotehniko Univerze v Ljubljani. Njegov raziskovalni interes vključuje operacijske raziskave v telekomunikacijah, uporabniško modeliranje in procesiranje socialnih signalov.
Ante Odic je mladi raziskovalec na Fakulteti za elektrotehniko Univerze v Ljubljani. V okviru doktorskega študija raziskuje uporabo kontekstualnih informacij v personaliziraih storitvah.
Matevž Kunaver je raziskovalec in asistent na Fakulteti za elektrotehniko Univerze v Ljubljani. Njegove raziskave vključujejo skupinske in hibridne priporočilne sisteme za različne aplikacije v telekomunikacijah.
Marko Tkalčič je raziskovalec na Fakulteti za elektrotehniko Univerze v Ljubljani. Njegov raziskovalni interes vključuje uporabo emotivnih in osebnostnih parametrov pri modeliranju uporabnikov in vsebin v telekomunikacijskih aplikacijah.
Jurij F. Tasic je redni profesor na Fakulteti za elektrotehniko Univerze v Ljubljani. Raziskovalni interes obsega napredne algoritme v komunikacijskih sistemih, obdelavo večdimenzionalnih signalov in vzporedne algoritme.