ISUFI - Engineering - Bicocca

1. MAIS WP 6 – Attività 6.2 Milano – 18 Novembre ‘04 ISUFI - Engineering - Bicocca Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo

2. Indice Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo • Risultati previsti • Il Recommendation Environment • Il Recommender Engine • Il Data Mining Profile Module • Il Context Enricher

3. Risultati Previsti Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo Attività 6.2 – Integrazione di strumenti di knowledge management Principali risultati attesi: descrizione delle specifiche di progetto per strumenti e metodologie per il knowledge management integrato nell’architettura di un sistema informativo.

4. Risultati Previsti Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo Le specifiche di progetto riguardano un sistema che: • in funzione degli e-Service disponibili e della profilazione utente, dia accesso differenziato ai servizi consigliando quello che risulta avere un grado di similarità più alto con l’utente che lo ha richiesto; • è in grado di monitorare i canali e i servizi utilizzati da un utente, allo scopo di utilizzare il feedback proveniente da tale monitoraggio per l’elaborazione di regole; • mantiene aggiornata ed arricchisce la base di conoscenza del sistema MAIS attraverso l’attività svolta dal componente delegato al data mining; • È un sistema di supporto alle decisioni integrato nella piattaforma MAIS.

5. Indice Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo • Risultati previsti • Il Recommendation Environment • Il Recommender Engine • Il Data Mining Profile Module • Il Context Enricher

6. Recommendation Environment Progettazione del RE • All’interno del sistema MAIS, il Recommendation Environment fornisce un supporto al Concretizator nella selezione dei servizi concreti. • La sua funzionalità è quella di fornire una stima del grado di affinità di un servizio rispetto alle preferenze e i gusti dell’utente che lo ha richiesto relativamente ai parametri extra-funzionali contenuti nella descrizione del servizio . • Questa valutazione avviene utilizzando: • un insieme di regole • informazioni del contesto applicativo • Il funzionamento di questo componente viene ottimizzato mantenendo aggiornato l’insieme di regole utilizzate in fase di valutazione.

7. Recommendation Environment Progettazione del RE Il RE è un System Level Component (SLC) cioè un sistema che espone interfacce network addressable composto da business component che cooperano per realizzare un set coerente di funzionalità richieste da uno specifico “business need”

8. Recommendation Environment 1 L’Architettura riflessiva fornisce al Concretizartor le informazioni di contesto Concretizator La lista degli e-service + contesto + profilo statico dell’utente sono inoltrati alRE 2 Il RE restituisce al Concretizator la lista di e-service riordinata secondo la raccomandazione Il servizio concreto scelto dall’utente viene passato all’invocatore abbinandolo al contesto attuale 5 6 Recommender Engine Reflective Architecture Il RE chiede ed ottiene dal CE una versione semanticamente arricchita del contesto Concrete Service Invocator Il RE consegna al DMPM Repository il profilo statico dell’utente e preleva il profilo comportamentale. 3 4 Context Enricher Il servizio concreto viene eseguito e descrizione non funzionale + contesto sono registrati nel Logger 7 3 Lo storico delle configurazioni di contesto sono inviate al CE 2 5 Il Contesto viene arricchito e inoltrato al Catcher Costruzione dei profili comportamentali Catcher 1 4 Lo storico delle descrizioni dei servizi richiesti è passato al Catcher Il Catcher costruisce Eventi di business usando il contesto arricchito + descrizione servizio DMPM Runtime DMPM tools Batch DMPM Repository Logger Progettazione del RE Il funzionamento del RE nell’architettura MAIS:

9. Indice Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo • Risultati previsti • Il Recommendation Environment • Il Recommender Engine • Il Data Mining Profile Module • Il Context Enricher

10. Recommender Engine Progettazione del Recommender Engine Il Recommender Engine è uno strumento che permette di ordinare una lista qualsiasi di servizi concreti, descritti semanticamente (profilo del servizio) e appartenenti alla stessa categoria di Servizio Astratto, sulla base del loro grado di affinità con una descrizione dell’utente (profilo utente) che lo ha richiesto. Esso esporrà la funzionalità sopra descritte attraverso un metodo la cui signature è la seguente: getRecommendation (serviceList: ServiceList, context: Context) : ServiceList

11. Recommender Engine Progettazione del Recommender Engine • Enterprise Tier: • Facade: realizza l’interfaccia con cui viene effettuata la richiesta di Recommendation e ha lo scopo di incapsulare la complessità delle interazioni tra i business objects nel realizzarla. • Business layer: incapsula tutti gli oggetti di business che contengono la logica applicativa ( logica per il matching semantico e la logica per la generazione del ranking). • Resource Tier: • Persistence layer: incapsula la logica per la persistenza dei dati. In esso sono presenti tutte le componenti che incapsulano lo stato del PBC e definiscono i dati e le regole di business per l’accesso ad essi, esponendone le funzionalità.

12. Recommender Engine Progettazione del Recommender Engine 1. Richiesta di recommendation 2-3. L’engine richiede info di contesto 4-5. L’engine richiede lo user profile 6-7. Inizio elaborazione ranking 8-13. Matching semantico 15. Restituzione dell’output

13. Indice Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo • Risultati previsti • Il Recommendation Environment • Il Recommender Engine • Il Data Mining Profile Module • Il Context Enricher

14. Data Mining Profile Module Le principali funzionalità del DMPM sono: • Rules Extraction: Processare gli storici che collezionano, per ogni utente, le interazioni con il sistema estraendone regole d’associazione; • Rules Validation: Supportare un esperto del dominio applicativo nel processo di validazione delle regole (eliminazione di regole spurie o poco interessanti); • Users Classification: Classificare gli utenti in base al loro profilo statico (dati di registrazione) allo scopo di “stimarne” il profilo comportamentale

15. Data Mining Profile Module Domain Expert Console Business Events Rules Generator Static Profiles Dynamic Profiles Profiles Formatter Users Classifier Il Data Mining Profiling Module fornirà una Console tramite la quale l’esperto di dominio potrà gestire il processo di Behavioural User Profiling. Rules Validation Repository

16. Data Mining Profile Module Definizioni • Un evento di business è una registrazione costituita da tre sezioni: • Categoria del servizio; • Contesto in cui il servizio è stato richiesto; • Descrizione non funzionale del servizio; • Una regola comportamentale è un’associazione costituita da: • Categoria del servizio; • Premessa, una particolare configurazione di un sottoinsieme di parametri di contesto; • Conseguenza, una particolare configurazione dei parametri non funzionali del servizio;

17. Data Mining Profile Module Association Rules Business Events Behavioural Rules Rules Generator Rules Validation Static Profiles Dynamic Profiles Users Classifier Profiles Formatter Esempio:HotelRes Roma-Colosseo; PocketPC; 5stelle; centrale; OK-Disabili Domain Expert Esempio: Flight Palermo & we-p BassoCosto; ScontoHotel; Navetta

18. Indice Specifiche di progetto per il sistema di Knowledge Management integrato nell’architettura di un sistema informativo • Risultati previsti • Il Recommendation Environment • Il Recommender Engine • Il Data Mining Profile Module • Il Context Enricher

19. Contesto: considerazioni introduttive • Applicazioni context-aware: sensibili ad informazioni di contesto • Contesto: termine molto generico, bisogna precisare meglio • Nel Report 6.1.1 si propongono due modelli (ABACO e MMASS) e degli scenari applicativi (automotive e ospedaliero)

20. Contesto: considerazioni introduttive • Parte rilevante di informazione di contesto è riferita alla locazione dell’utente (posizione e ambiente circostante) • In WP6 riferimento a dominio turistico (e.g. raccomandazioni turistiche location-aware) Parte delle informazioni di contesto riguardano la struttura dello spazio

21. Informazione di contesto di tipo spaziale • Diversi aspetti da tener in considerazione nel modellare spazio • Entità • Fattori di scala (edifici, città) • Obiettivi • Relazioni Dominio applicativo di riferimento

22. Modello di riferimento MAIS – Location model

23. Possibili estensioni del modello di location

24. Spatial context enrichment component