Context-aware Συστήματα Συστάσεων

Abstract

Στο παρόν κεφάλαιο θα μελετήσουμε συστήματα συστάσεων που λαμβάνουν υπόψη τους εξωτερικούς (contextual) παράγοντες της αλληλεπίδρασης του χρήστη με ένα προϊόν ή στοιχείο (π.χ. τη χρονική στιγμή της διάδρασης, τη γεωγραφική θέση του χρήστη, τη συναισθηματική του διάθεση, τη συσκευή επικοινωνίας που χρησιμοποιεί κ.λπ.). Επίσης, θα περιγράψουμε πρωτόκολλα αποτίμησης της ποιότητας των αλγορίθμων που συνυπολογίζουν την προαναφερθείσα χρονική στιγμή. Στη συνέχεια, ως ένα υπόδειγμα των context-aware συστημάτων συστάσεων θα αναλύσουμε αλγορίθμους οι οποίοι προτείνουν είτε μεμονωμένα σημεία ενδιαφέροντος (μουσεία, αρχαιολογικούς χώρους, αξιοθέατα κ.λπ.) είτε ένα ανάλογο σύνολο όπου μπορεί να περιηγηθεί διαδοχικά ένας χρήστης κατά τη διάρκεια της επίσκεψής του σε μια πόλη (Point of Interest Recommendation versus Itinerary Recommendation). Τέλος, θα αναφερθούμε σε υβριδικά συστήματα συστάσεων, που, ως εκ τούτου, συνδυάζουν τα δεδομένα της αλληλεπίδρασης χρηστών και στοιχείων (collaborative data) με τα δεδομένα περιεχομένου (content-based data), τα οποία με τη σειρά τους περιγράφουν τα στοιχεία και τους χρήστες (π.χ. τη συναισθηματική διάθεση ενός χρήστη την ώρα της διάδρασής του με ένα στοιχείο, το μέρος στο οποίο βρίσκεται κ.λπ.).

In this chapter we will study recommendation systems that take into account external (contextual) factors of the user's interaction with a product or item (e.g. the timing of the interaction, the geographical location of the user, his/her emotional state, the communication device used etc.). We will also describe protocols for evaluating the quality of algorithms that take into account the aforementioned timing. Then, as an exemplar of context-aware systems recommendation we will analyze algorithms that recommend either single points of interest (museums, archaeological sites, attractions etc.) or a similar set where a user can navigate sequentially during his/her visit to a city (Point of Interest Recommendation versus Itinerary Recommendation). Finally, we will refer to hybrid recommendation systems, which therefore combine collaborative data with content data (content-based data), which in turn describe the elements and users (e.g. the emotional state of a user at the time of interaction with an item, the place of the item, the time of interaction with the item, and the time of interaction with the item, where it is located etc.).