1 / 48

Modely uživatelských preferencí

Modely uživatelských preferencí. Obsah. Preference obecně Modely uživatelských preferencí Způsob záznamu preferencí Příklad a ukázkový problém Když bude něco nejasné, tak se ptejte hned. Preference obecně. Preference Uživatel Uživatel vyjadřuje, co se mu líbí Každý chce něco jiného

sharis
Download Presentation

Modely uživatelských preferencí

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Modely uživatelských preferencí

  2. Obsah • Preference obecně • Modely uživatelských preferencí • Způsob záznamu preferencí • Příklad a ukázkový problém • Když bude něco nejasné, tak se ptejte hned

  3. Preference obecně • Preference • Uživatel • Uživatel vyjadřuje, co se mu líbí • Každý chce něco jiného • Množina uživatelů U • Objekt preference • O čem chci rozhodnout, zda se mi to líbí nebo ne • Množina objektů V • Časová složka • To, co se mi líbí teď, nemusí za týden/měsíc/rok

  4. Uživatel • Motivace • Chci nový fotoaparát, abych dělal lepší fotografie • Nejistota • Doopravdy ten fotoaparát nutně potřebuji pro lepší fotografie? • Co by měl ten fotoaparát umět? • Nejsem si jist, která vlastnost je klíčová pro výsledek • Z toho plyne nekonzistence • Ovlivnitelnost • Knihy, reklama, co říkají kamarádi

  5. Uživatel • Vývoj v čase • Nejdřív chci co nejvíce MPix, pak spíše menší hmotnost a nakonec největší rozsah zoomu • Má ten vývoj nějaký trend? Nedostane se zpět na začátek? • Krátkodobá nestálost • Člověk se mění, záleží na aktuálním rozpoložení

  6. Uživatel • Vlastnosti uživatele • Preference • Profil • Věk, vzdělání, pohlaví, příjem,… • Exprese vlastností • Chování (behaviorismus) • Pohyb na stránce, hodnocení objektů, zanechání komentáře • Z projevů chceme zjistit preference

  7. Uživatel • Podobnost uživatelů • Podle preferencí • u i v mají rádi x, v má rád i y. Bude mít u rád y? • Podle profilu • u i v jsou studenti s nízkým příjmem. Budou mít podobné preference? • Do jaké míry ovlivňuje profil preference?

  8. Předmět preference • Vlastnosti toho, o čem se rozhoduji • Atributy objektu • Nemění se (krom ceny) • Každý atribut je nějak důležitý („Chci lehký fotoaparát, na ceně nezáleží“) • Každý uživatel má jinou představu o atributech („Ale já chci těžký fotoaparát“)

  9. Předmět preference • Atributy • Nominální • Barva, typ snímače, výrobce,… • Numerické • Rozlišení, hmotnost, velikost zoomu, rozměry,… • Speciální • Množina hodnot některého z atomických typů • Herci ve filmu • Těžko zachytitelné atributy • Design, tvar, oblost, obrázek produktu, zvuk,… • jsou důležité • Jaké atributy použít? • Jsou všechny potřeba, není je třeba nějak upravit? (Diskretizace, normalizace,…) • Aby lépe odpovídali vnímání uživatele

  10. Předmět preference • Známé datové sady s preferencemi • Hodnocení objektů uživateli • Id uživatele, Id objektu, hodnocení (typicky 1-5) • Uvidíme později • Filmy • Knihy • Nabídky práce • Vtipy • Jaké atributy?

  11. Celkový přehled • Uživatel • Preference, profil • Objekt • Atributy • Časová dimenze

  12. Co tedy jsou preference? • Vztah mezi U a V • Uspořádání V • (od nejpreferovanějšího k nejméně preferovanému) • K čemu to tedy je?

  13. Příklad (na konci bude podrobněji) • Doporučovací systém • Snaží se zjistit, co uživatel preferuje a doporučit mu nejvhodnější objekty • Šetří práci při procházení stovkami objektů • Snižuje riziko vynechání něčeho důležitého • Rozdíl proti „ostrým“ omezením a řazením • Ostrá omezení řezají prostor nekompromisně • Stačí jedna špatná hodnota atributu a objekt je venku • Preference řezají prostor „ohleduplně“ • Jedna špatná hodnota atributu přece není tak špatný výsledek • Komparativní model - Co je lepší?

  14. Teoretické zázemí a abstrakce

  15. Algoritmy uživatelských preferencí • Obecně reprezentují uživatelské preference • Pro danou množinu V • Je možné je použít pro nový objekt nebo pro objekt u kterého neznáme preferenci • Nový film, nový fotoaparát, nový zájezd apod. • Mluví daným jazykem • Jsou použitelné pro více uživatelů (každý jiné požadavky)

  16. Dvouhodnotový jazyk • Líbí/nelíbí • O objektu lze říci, zda se uživateli líbí nebo ne • Nebere explicitně v úvahu atributy objektu • Málo expresivní • V→ {0,1}

  17. Dvouhodnotový jazyk • D50 : líbí • D70 : nelíbí • D3 : líbí • …

  18. Algoritmus dvouhodnotového jazyka • Kolaborativní filtrování • Jak se bude objekt x líbit uživateli u? • Asi tak, jak se x líbil uživateli v, který se u podobá • Nepočítá s atributy objektu • Zato může pracovat s uživatelským profilem • Podobnost uživatelů • Profil • Podle podobných hodnoceních

  19. Jazyk preferenčních relací • Preferenční relace • Užívané v ekonomii • Porovnání objektů – x je lepší než y • Neumožňuje jednoduché setřídění objektů podle aktuální vhodnosti • Vytvořeno podle lidského uvažování • Přirozené pro uživatele • VxV

  20. Jazyk preferenčních relací • Preferenční relace • P(D50,D70) • Mám radši D70 než D50 • R(D70,D80) • D80 je alespoň tak dobrá jako D70 • I(D3,5D) • Mezi D3 a 5D nedokážu rozlišit, jsou stejně dobré • P(D70,D3) • D3 mám radši než D70

  21. Jazyk preferenčních relací • CP-sítě • Conditional probability networks • Preference mohou záviset na aktuálním stavu světa • Polévka a víno

  22. Algoritmus jazyka preferenčních relací • Chomicky • Tabulka R=A1,...,AN • Preferenčnírelace definována výrazem např. • A1(x)<A1(y) & A2(x) < A2(y) →x<y • Obecný výraz používající jen =,!=,<,>,logické spojky a konstanty • Může obsahovat cykly, nemusí být transitivní,... • Operátor winnow – vrací nedominované objekty • Jen pro výrazy odpovídající částečnému uspořádání • Překlad do SQL

  23. Algoritmus jazyka preferenčních relací • Kiessling • Relace pouze jako ostré částečné uspořádání • Bez cyklů, transitivní, ... • Relace nad hodnotami atributů, ne nad objekty • POS(transmission, {automatic}) – chceme automatickou převodovku • NEG(maker, {Ferrari}) – nechceme Ferrari • POS/NEG(color, {yellow};{gray}) – preferujeme žlutou, když není žlutá, tak hlavně ne šedou (srovnej s CP-nets) • POS/POS(category,{cabrio};{roadster}) - chceme kabriolet, když ne, tak roadster (srovnej s CP-nets)

  24. Algoritmus jazyka preferenčních relací • Kiessling • Relace na hodnotami atributů, ne nad objekty • AROUND(price, 40000) – cena okolo 40000 euro • BETWEEN(mileage, [20000, 30000]) • HIGHEST(power)

  25. Algoritmus jazyka preferenčních relací • Kiessling • Operace s atomickými preferencemi atributů • Pareto preference: P1⊗P2 • P1 i P2 stejně důležité • Prioritized preference: P1&P2 • P1 důležitější • Sjednocení a průnik preferencí • Integrace do SQL a XPath • Rozšíření jazyků o konstrukt PREFERRING • SELECT * FROM apartments PREFERRING HIGHEST(area); • P1 := AROUND(A1, 0), • P2 := LOWEST(A2), • P3 := HIGHEST(A3) • P4 = ({A1, A2, A3}, <P4) := • (P1 ⊗ P2) ⊗ P3 P8 = ({A1, A2}, <P8) := P1&P2

  26. Jazyk pro skyline • Bere explicitně v úvahu atributy objektu • tzv. content based – založená na atributech objektu • Funkce pro normalizaci atributů • Vytváří prostor [0,1]N • Monotonie • Lze vybrat kandidáty na nejlepší objekt • Ale už ne druhý nejlepší 1 1 0

  27. Jazyk vícehodnotové logiky 1 • Rozšiřuje dvě hodnoty na více • O objektu lze říci, jak moc se uživateli líbí • Jinak stejné jako dvouhodnotový model

  28. Jak vypadají preference založené na ohodnocení celých objektů v abstraktním schématu Algoritmus opět kolaborativní filtrování Vícehodnotová logika 1

  29. Jazyk vícehodnotové logiky 2 • O objektu lze říci, jak moc se uživateli líbí • Bere explicitně v úvahu atributy objektu • tzv. content based – založená na atributech objektu • Agregační funkce • Fuzzy funkce pro normalizaci atributů

  30. Algoritmus jazyka vícehodnotové logiky 2 • Vícehodnotová logika • Fuzzy funkce • Normalizace domény atributu • Doména = množina hodnot, jež atribut může nabývat • Transformují prostor do [0,1]n • Pak víme jistě, že (1,…,1) je ideální objekt fProducer (Nikon) = 0.8 fProducer(Pentax) = 0.6 fProducer(Canon) = 0.4

  31. Algoritmus jazyka vícehodnotové logiky 2 • Agregační funkce • Pro kombinaci atributů, multikriteriální rozhodování • Výsledné hodnocení objektu • @(f1(x),…,fn(x))

  32. Vícehodnotová logika 2 • Jak vypadají preference založené na atributech v abstraktním schématu f1 f1 @ @ Fuzzy funkce Agregační funkce

  33. Algoritmus jazyka vícehodnotové logiky 2 • Pravidla • MPix(X)=10 & Rychlost(X)=5fps →Hodnoceni(X)=6 • (MPix(X)>8 & Cena(X)<20000) v (Vaha(X)<500) →Hodnoceni(X)=10 • MPix(X)>=10 → Hodnoceni(X) = 10 • Cena(X)<=10000 → Hodnoceni(X) = 10

  34. Způsob záznamu preferencí • Přímý (Vícehodnotová logika 2) • Explicitní (Vícehodnotová logika 1) • Implicitní (Bez jazyka?)

  35. Přímý způsob • Uživatel přímo napíše, co preferuje • V daném modelu • Nejpřesnější metoda • Uživatel musí rozumět modelu preferencí • Který může být dost složitý

  36. Přímý způsob

  37. Explicitní způsob • Uživatel vyjadřuje své preference na celém objektu

  38. Explicitní způsob • Malá velikost hodnotící škály • Při větší škále (>20) je uživatel zmaten a nekonzistentní • Málo námahy pro uživatele • Přirozené

  39. Implicitní způsob • Interpretujeme chování uživatele • Není od něj potřeba žádná investice • Dělá to, co normálně • Clickstream • Doba strávená na stránce • Označování, kopírování, tisk, posílání emailem, vložení do košíku • Striktní omezení (pouze 10-12MPix, Nikon, apod.)

  40. Implicitní způsob • Jednoduchá implementace v Javascriptu • Možno zakázat, nelze zachycovat některé události • Spyware, plugin do prohlížeče • Skvělé možnosti • Málokdo si to nainstaluje

  41. Příklad a ukázkový problém • Doporučovací systém • Snaží se zjistit, co uživatel preferuje a doporučit mu nejvhodnější objekty • Šetří práci při procházení stovkami objektů • Snižuje riziko vynechání něčeho důležitého(?) • Využijeme explicitní preference – hodnocení celého objektu • Pět hvězdiček

  42. Vstup od uživatele • Hodnocení jednotlivých fotoaparátů • Čím více tím lépe, ale… • Nikdo nechce strávit hodnocením půl hodiny

  43. Vstup od uživatele • První sada fotoaparátů je vybraná náhodně • Nebo předem vybraná množina fotoaparátů, dobře pokrývající celý prostor • Důležitý je kontext hodnocení!

  44. Průběh procesu doporučení • Necháme uživatele, aby řekl, jak moc se mu líbí nějaké předměty • Alternativně analyzujeme jeho chování na stránce • Zkonstruujeme obecný model preferencí • Pomocí modelu zjistíme preference všech objektů • Doporučíme 10 nejlepších objektů • Zpracujeme zpětnou vazbu od uživatele

  45. Motivace • Proč nutíme uživatele hodnotit i v dalších krocích? • Nešlo by, aby všechno ohodnotil najednou a pak si rovnou nechal doporučit nejlepší fotoaparát? • Omezená škála hodnocení • 0-5 hvězdiček • Hodně fotoaparátů získá hodnocení 5 5 4 3

  46. Vstup od uživatele • Poté uživatelovi doporučíme objekty, které by se mu mohly líbit • Nikon • Zrcadlovka

  47. Vstup od uživatele • Na základě dalších hodnocení určíme přesněji další atributy • Co nejlevnější

  48. Motivace • Fáze dotazování • V každé fázi se posune hodnocení trochu doprava • Zpřesňujeme hodnocení nejvíce preferovaných objektů

More Related