Artículos

 

Indexing and Comparison of Multi-Dimensional Entities in a Recommender System based on Ontological Approach

 

Indexación y comparación de entidades multidimensionales en un sistema de recomendación basado en el enfoque ontológico

 

Maxim Bakaev and Tatiana Avdeenko

 

Novosibirsk State Technical University, Novosibirsk, Russia maxis81@gmail.com, tavdeenko@mail.ru

 

Article received on 01/10/2012
Accepted on 15/12/2012.

 

Abstract

The paper describes an application of indexing—the technology currently widely used for processing and comparing textual information—to multi-dimensional entities of knowledge domains. We propose a model for building a frame-based ontology, which contains a domain conceptual model as well as a controlled vocabulary of "base terms" used for indexing. Further, the ontology constitutes the structure for the knowledge base of the recommender system developed by us, whose task is to support human-computer interaction in web applications. The system automatically represents the interaction task being solved as a structured set of base terms, and compares it with the pre-indexed design guidelines representing practical knowledge of the domain. The interaction task context is defined by input data: 1) semi-structured attributes of target users and 2) natural-language requirements for a particular web application. The former are processed mostly via production model rules stored in the knowledge base, while the requirement text is mined for base terms from the controlled vocabulary. As a result of the comparison, the system provides a set of guidelines relevant for a particular interaction task context, seeking to save work effort of interface designers. Also, the proposed approach for indexing multi-dimensional entities can be applied in various recommender and knowledge-based systems.

Keywords: Intellectual system, design guidelines, data indexing, frame ontology.

 

Resumen

Este artículo describe una aplicación de indexación —la tecnología que se usa ampliamente hoy en día para procesar y comparar la información textual— a entidades multidimensionales de dominios de conocimiento. Se propone un modelo para el desarrollo de una ontología basada en marcos (frames). La ontología contiene un modelo conceptual del dominio y un vocabulario controlado de "términos básicos" usados para la indexación. También, la ontología sirve como la estructura para la base de conocimiento del sistema de recomendación desarrollado en este trabajo. El objetivo del sistema de recomendación es apoyar a la interacción "hombre-computadora" en aplicaciones web. El sistema representa automáticamente una tarea dada de interacción como un conjunto estructurado de términos básicos, y lo compara con las instrucciones del diseño indexadas previamente, las cuales representan el conocimiento práctico del dominio. El contexto de la tarea de interacción se define por los datos de entrada: 1) los atributos semi-estructurados de usuarios objetivo, y 2) requerimientos en lenguaje natural para una aplicación web seleccionada. Los atributos se procesan prácticamente mediante las reglas de producción del modelo, y el texto de requerimientos se usa para recuperar los términos básicos del vocabulario controlado. Como el resultado de la comparación el sistema genera un conjunto de instrucciones relevantes para un contexto de una tarea dada de interacción. El objetivo es ahorrar el esfuerzo de trabajo de diseñadores de interfaces. El modelo propuesto para indexar entidades multidimensionales se puede aplicar también en varios sistemas de recomendación y sistemas basados en conocimiento.

Palabras clave: Sistema intelectual, instrucciones del diseño, indexación de datos, ontología de marcos (frames).

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

References

1. Kosinov, D.I. (2007). Исполъэование статистической информации при выявлении схожих документов (Ispolzovanie statisticheskoy informatsii pri viyavlenii shozhih dokumentov) "Using statistical information to mark out similar documents". Internet-matematika, Ekaterinburg, Russia, 84-91. Retrieved from http://elar.urfu.ru/handle/10995/1336.         [ Links ]

2. Mihalcea, R., Corley, C., & Strapparava, C. (2006). Corpus-based and knowledge-based measures of text semantic similarity. 21^s National Conference on Artificial Intelligence, Boston, USA, 1, 775-780.         [ Links ]

3. Nguyen, B.N. (2012). Модели и методы поискаинформационных ресурсов с испольэованиэнием семантических технологий . (Modeli i metodi poiska informatsionnih resursov s ispolzovaniem semanticheskih tehnologiy) "Models and methods for performing search in information resources using semantic technologies". Doctoral dissertation, Tomsk Polytechnic University, Tomsk, Russia. Retrieved from http://www.sscc.ru/Diss_sov/D02_2012.11.27.html        [ Links ]

4. Lv, Q., Josephson, W., Wang, Z., Charikar, M., & Li, K. (2007). Multi-probe LSH: efficient indexing for high-dimensional similarity search. 33^rd International Conference on Very Large Data Bases (VLDB'07), Vienna, Austria, 950-961.         [ Links ]

5. Chevalier, A., Fouquereau, N., & Vanderdonckt, J. (2009). The Influence of a Knowledge-Based System on Designers' Cognitive Activities: a study involving Professional Web Designers. Behaviour & Information Technology, 28(1), 45-62.         [ Links ]

6. Henninger, S. & Ashokkumar, P. (2005). An Ontology-Based Infrastructure for Usability Design Patterns. Semantic Web Enabled Software Engineering (SWESE'05), Galway, Ireland, 41-55.         [ Links ]

7. Nielsen, J. (2002). Usability for senior citizens. Retrieved from http:www.nngroup.com/articles/usability-for-senior-citizens/.         [ Links ]