Mobile Information Filtering System Context-Aware Mobile Information Filtering System Anna Jankowska Doktorandenworkshop Technologien und Anwendungen von XML

Kontext und kontext-adaptive Anwendungen Kontext in Mobile Computing Überblick Ziel des Projektes Kontext und kontext-adaptive Anwendungen Kontext in Mobile Computing Modellierung der Kontext-Informationen Benutzerprofil Retrieval, Filtering und mobiles IF Semantische Netze Webdienste und Semantische Webdienste Probleme & Chancen Zusammenfassung & Ausblick 1/23

Ziel des Projektes Entwicklung und prototypische Umsetzung eines kontext-sensitiven Systems zur Filterung von Dokumenten und Webdiensten für mobile Geräte. 2/23

Kontext ”Context is any information that can be used to characterize the situation of an entity. An entity is a person, place or object that is considered relevant to the interaction between a user and an application, including the user and application themselves.” Anind K. Dey, Gregory D. Abowd Kontext-Informationen: Identität räumliche Informationen: Standort zeitliche Informationen: Uhrzeit soziale Situation: wer ist in der Nähe Umgebung: Temperatur umgebende Resourcen: Computer Verfügbarkeit der Resourcen: Art des Netzwerkes 3/23

Kontext-Adaptive Anwendungen Ein System heißt ”context-aware”, wenn es den Kontext verwendet, um relevante Informationen und/oder Dienste dem Benutzer zur Verfügung zu stellen, wobei die Relevanz von der Rolle des Benutzers abhängt.” Dey, Abowd Merkmale kontext-adaptiver Applikationen: In Abhängigkeit von den aktuellen Kontext-Informationen werden dem Benutzer Daten und Dienstleistungen zur Verfügung gestellt. Automatische Ausführung von Diensten, wenn ein bestimmter Zustand/Kontext auftritt. Verknüpfung von Kontext und Informationen für eine spätere Wiederverwendung. 4/23

Kontext in Mobile Computing Mobile versus stationäre Geräte: nicht vorhersagbarer, variierender Kontext Ubiquität - Dienste & Informationen überall und immer verfügbar zusätzliche Funktionalitäten (Ortslokalisierung, Spracherkennung etc.) Beschränkungen (geringe CPU, kleine Displays, etc.) Kontext-adaptive mobile Anwendungen: Mobile Resource Management System Hydrogen Context-Framework Cyberguide Forget-Me-Not Context-Phonebook YellowMap Mobile Services 5/23

Modellierung von Kontext-Informationen HTTP headers - Kontext des Gerätes: ”accept”, ”user-agent”, etc. CC/PP - Composite Capabilities Preference Profiles setzt auf RDF auf, um Metadaten über Geräteeigenschaften und Benutzerwünsche/Bedürfnisse zwischen Server und Browser auszutauschen UAProf - User Agent Profile berücksichtigt gerätespezifische Charakteristika, Software-spezifische Fähigkeiten, Browser-Einstellungen und Netzwerkeigenschaften ConteXtML - Context Markup Language Verarbeitung der Kontext-Informationen: DELI - DElivery Context LIbrary for CC/PP and UAProf DICE - Device Independent Content Engine 6/23

Format für Kontext-Informationen Muss folgende Anforderungen erfüllen: gut strukturiert standardisiert einheitlich für alle Kontext-Informationen austauschbar zwischen Systemkomponenten erweiterbar kompatibel mit dem Format für Modellierung der Benutzerinformationen Soll auf den bereits unterstützten Formaten aufbauen (CC/PP) Alle relevanten Kontext-Informationen in session profiles serialisierter RDF + RDF Schema (Ontologie) 7/23

Format für Kontext-Informationen <? xml version="1.0" ?> <rdf:RDF xmlns:loc="http://www.x.org/ort-schemat#"> <rdf:Description about=“http://www.x.com/person#person123”> <ccpp:component> <rdf:Description about=”person123PhysOrt"> <rdf:type rdf:resource="http://www.x.com/ort- schemat#PhysOrt "/> <loc:kontinent>Europa</loc:kontinent> <loc:land>Deutschland</loc:land> <loc:stadt>Berlin</loc: stadt> </rdf:Description> </ccpp:component> </rdf:RDF> Person123 PhysOrt LogOrt GeogrOrt Dautschland http:// www.berlin.org +4933 8266131 192.168.1.102 Berlin Europa 27"28' S 153"02' E Kontinent Stadt Internet Netz Geogr. Breite Geogr. Länge Land Telefon 8/23

Benutzerprofil Bestimmt kurzfristige und langfristige Informationsbedürfnisse des Benutzers, ist zerlegbar Erstellung des Profils (Top-Down Ansatz): Organisationsprofil – relativ stabile Informationsbedürfnisse Abteilungsprofil Stellenbeschreibung (Rolle des Benutzers) Vorlieben/Interessen des Benutzers Wird jeweils um Kontext-Informationen aktualisiert (“Profile Resolution“): Gerätekontext zeitliche Informationen räumliche Informationen Informationen aus TMS: Termine, Aufgaben, Kontakte Historischer Kontext Format: serialisierter RDF, XTM 9/23

Information Retrieval Ein Retrievalmodell besteht aus: einer Menge D von Repräsentationen für Dokumente einer Menge Q von Repräsentationen für Benutzeranfragen einer Rankingfunktion R, die jedem Anfrage/Dokumentpaar eine reelle Zahl (das Ranking) zuweist, nach der Dokumente sortiert werden Suche bezieht sich auf Wörter Beurteilung der Güte der Ergebnisse: Recall: Anteil relevanter Dokumente, die gefunden wurden: R=Da/D Precision: Anteil der gefundenen Dokumente, die relevant sind: P=Da/A Ansätze: informatischer Ansatz computerlinguistischer Ansatz Antwortmenge A Relevante Dokumente D Relevant Dokumente in Antwortmenge DA 10/23

Informationsfilterung Information werdem dem Benutzer abhängig von seinen Informationsbedürfnissen/Interessen zur Verfügung gestellt Inhaltsbasierte Filterung für jeden Nutzer eigene Filter Profil: Repräsentation des Nutzerinteresses Soziale Filterung Idee: Information ist relevant, wenn andere Benutzer, die bisher ähnliches Verhalten gezeigt haben, die Information ebenfalls als relevant betrachtet haben Bewertung der Relevanz von Informationen durch Benutzer Vergleich von Profilen mehrerer Nutzer Gemischte Ansätze 11/23

Probleme bisheriger Ansätze Fragen, die man bei traditionellen IF&IR Ansätzen nicht korrekt beantworten kann: “Finde alle Dokumente über CAR” semantische Information “Finde alle Dokumente, die im Projekt mIF verfaßt wurden!” Kontextinformation “Finde alle E-Mails mit Absender Frank Mustermann!” Logische Struktur “Finde das Dokument mit dem Logo der TU Berlin oben rechts!” Layout 12/23

Neue Ansätze in IF, IR Bisherige Suchverfahren rein syntaktisch, ohne Kenntnis der Wortbedeutungen Intelligentes IF, IR: Berücksuchtigung der Besonderheiten natürlicher Sprachen (Polysemie, Synonymie) Identifizieren und Unterscheiden verschiedener Kontexte des Wortgebrauchs flexible Gestaltung der Anfrage Die Suche kann oft verbessert werden, wenn Hilfsmittel zur Verfügung stehen, die etwas über die Semantik des Suchraums aussagen: Thesaurus Latent Semantic Indexing 13/23

Retrieval, Filtering, mIF Eigenschaft Information Filtering Information Retrieval Mobiles IF Anzahl der Dokumente unendlich endlich Anzahl der Anfragen Anfragetyp kurzfristige Interessen langfristige Interessen kurz- und langfristige Interessen Bearbeitungsart ein Dokument viele Anfragen eine Anfrage Dokumenten-kollektion Dokumenten-fluss 14/23

mIF - Aufgaben Metadaten und Ontologien generieren Kontext-Informationen abfangen und dem System zur Verfügung stellen Benutzerprofile erstellen (automatisch/manuell) Filterungsmaschine bauen Relevante Dokumente herausfiltern (Präzision wichtig) Antworten statt Trefferlisten Nützliche Informationen personalisiert und aufgabenspezifisch anbieten Berücksichtigung von Kontext-Informationen bei IF und bei Präsentation der Ergebnisse (kurzfristige und langfristige Informationsbedürfnisse) Webdienste: relevante Webdienste herausfiltern Transaktionen auslösen Decision Support anbieten Unterstützung: Intelligente Softweareagenten 15/23

Semantische Netze Traditionelle Informationsverarbeitung beruht auf: Zeichenketten und kontextfreier Struktur (Syntax) Verarbeitung von Konzepten, Kontextabhängigkeiten oder Kontextbedingungen werden vernachlässigt Zielgerichteter Zugriff auf Informationen ist problematisch, da Inhalte im Web vom Menschen interpretiert, kombiniert und aufbereitet werden müssen. Das Semantic Web: Ein Meta-Web, aufbauend auf dem WWW, welches die Inhalte auch für Maschinen verarbeitbar und interpretierbar macht. Verspricht bessere Endbenutzerdienste durch: Standardisierte Architektur für Dokumentenverarbeitung Standardisierte Vokabularien Standardisierte Sprachen für Kontextbedingungen 16/23

Semantische Netze Repräsentation durch netzartige Strukturen aus Objekten und Relationen Semantische Netze bestehen aus : Knoten: Repräsentation von Klassen oder Klasseninstanzen Kanten: entsprechen 2-stelligen Relationen zwischen Objekten Wissen über einen Knoten wird durch die Verbindungen repräsentiert, die von ihnen ausgehen Mögliche Inferenzen: Beantwortung von Anfragen durch Verfolgen von Kanten Spreading Activation bzw. Intersection Search Vererbung Semantische Netze = Metadaten + Ontologien 17/23

Beispiel für ein semantisches Netz „Holtmann fuhr mit seinem roten Auto auf meinen weissen Volvo“ volvo besitzer andreas person farbe weiss auto is-a instance-of hat- a43 rot hat- farbe Generisches Konzept (Klasse) Individuelles Konzept (Instanz) u57 unfall geschädigter verursacher motor hat-teil holtmann a25 18/23 Quelle: Hinkelmann

Ontologien Semantik: Interpretationsfunktion von einem syntaktischen in einen semantischen Bereich Idee: Spezifiziere alle durch ein Programm oder eine Wissensbasis verwendbaren Begriffe Ontologie = eine Vereinbarung über ein gemeinsam zu nutzendes Vokabular, mit dem Anfragen und Aussagen zwischen Maschinen ausgetauscht werden: eine standardisierte Menge von Begriffen mit Kontextbedingungen Kontextbedingungen werden durch Inferenzregeln angegeben Alle potentiellen Welten müssen sich auf die vorgegebenen Ontologien abstützen und die Einschränkungen erfüllen Ontologiesprachen: RDF Schema, DAML+OIL 19/23

Webdienste Klient Webdienst Ein Webdienst ist eine Anwendung, die es erlaubt, ihre Methoden über eine Web-Schnittstelle aufzurufen. UDDI Verzeichnisdienst Klient Webdienst WSDL Schnittstellen- beschreibung Methodenaufrufe Anfragen und Antworten WSDL-Dokument holen SOAP-Nachrichten URL des Webdienstes Suchen nach Webdiensten 20/23

Semantische Webdienste Entwicklung des Internet: von einem Informationsnetz zum Servicenetz Semantische Webdienste sollen ermöglichen: automatisches Auffinden von Webdiensten automatische Ausführung von Webdiensten Komposition von Web Services Überwachung der Ausführung von Webdiensten DAML-S (DARPA Agent Markup Language for Services): eine DAML+OIL - Ontologie für Webdienste, dessen Ziel es ist, Webdienste in einer computer-interpretierbaren Art und Weise zu beschreiben ermöglicht den intelligenten Agenten, diverse Aufgaben zu erfüllen WSMF - Web Services Modeling Framework 21/23

Probleme und Chancen Chancen: Das Semantische Web reitet auf der "Welle" HTML/XML Technologie entwickelt sich sehr schnell Killer-Applikation Probleme: Technologien noch nicht ausgereift Beschränkungen mobiler Geräte Nutzen der Information abhängig von: Informationsquellen Qualität der Information Kosten der Information Aktualität der Information Vertrauenswürdigkeit der Information “Big Brother“ – Ansatz Abschätzung der Qualität von Webdiensten Technik muss sicher und unsichtbar sein 22/23

Zusammenfassung Semantische Netze und Webdienste als (reale) Zukunftsvision: verbesserter Zugriff auf Wissen verbesserte Kommunikation zwischen Maschinen intelligente Webdienste Context-Aware Mobile Information Filtering System: innovative Anwendung im Bereich IF ein Filterungssystem, das im Filterungsprozess die Kontext-Informationen sowie Benutzerprofile berücksichtigt Filterung: Dokumente (Semantic Web) Webdienste Integration semantischer Technologien in bestehende Ansätze des Information Filtering Bereitstellen der Informationen für verschiedene mobile Geräte Umsetzung auch in Form eines Webdienstes 23/23

Mobile Information Filtering System Context-Aware Mobile Information Filtering System Anna Jankowska Doktorandenworkshop Technologien und Anwendungen von XML