Αναζήτηση και ανάκτηση δεδοµένων από το διαδίκτυο, προσωποποιηµένη παρουσίαση πληροφορίας και προτυποποίηση χρηστών.

Transcript

1 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΑΘΗΝΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Αναζήτηση και ανάκτηση δεδοµένων από το διαδίκτυο, προσωποποιηµένη παρουσίαση πληροφορίας και προτυποποίηση χρηστών. ΜΟΥΖΑΚΙ ΗΣ ΑΛΕΞΑΝ ΡΟΣ Α.Μ.: ΝΤΟΥΤΣΗΣ ΧΡΗΣΤΟΣ Α.Μ. : Επιβλέπων Καθηγητής : Χρήστος Σκουρλάς Αθήνα, Νοέµβριος 2005

2 Περιεχόµενα Περιεχόµενα... i Ευχαριστίες...1 i. Εισαγωγή...2 a. Αντικείµενο της πτυχιακής εργασίας... 2 b. Στόχοι της πτυχιακής εργασίας Εφαρµογή Εξατοµικευµένης Ενηµέρωσης της υπάρχουσας εφαρµογής της αρχιτεκτονικής του Content Server Μονάδα ιεπαφής Περιεχοµένου (Content Presenter) Σαρωτής Περιεχοµένου (Content Scanner) Βάση Περιεχοµένου (Content Database) Μονάδα Επιλογής Περιεχοµένου (Content Selector) Αξιολόγηση της λειτουργικότητας του συστήµατος Προβλήµατα στην Μονάδα ιεπαφής Περιεχοµένου (Content Presenter) Προβλήµατα στον Σαρωτή Περιεχοµένου Προβλήµατα µε την Βάση Περιεχοµένου (Content Database) Αλλαγές και βελτιώσεις Αλλαγές και βελτιώσεις στην Μονάδα ιεπαφής Περιεχοµένου Αλλαγές και βελτιώσεις στον Σαρωτή Περιεχοµένου Αλλαγές και βελτιώσεις στη Βάση Περιεχοµένου (Content Database) ιασύνδεση της εφαρµογής µε RSS feeds Εισαγωγή στα RSS Feeds Η ιστορία των RSS Feeds Οι εκδόσεις του RSS µε µια µατιά RSS - "Rich Site Summary" RSS - " Really Simple Syndication " Η ενσωµάτωση των RSS feeds στην εφαρµογή Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5) PServer Επικοινωνία PServer µε τον Content Server Κοινότητες Σχετικές Εργασίες Μελέτη χρήσης του ιαδικτύου (Web Usage Mining) Συλλογή και προεπεξεργασία δεδοµένων Εξόρυξη/ ηµιουργία Οµάδων Εισαγωγή κοινοτήτων στον PServer Οι πίνακες του νέου σχήµατος της βάσης Οι αλγόριθµοι δηµιουργίας κοινοτήτων Παρουσίαση του συστήµατος NewsContentScanner V Content Presenter i

3 4.3. Content Indexing Database, Personalization database Μελλοντικές Προοπτικές...43 Προοπτικές των συστηµάτων εξατοµικευµένης ενηµέρωσης Παράρτηµα Α...45 Εγκατάσταση και διαχείριση του συστήµατος Εγκατάσταση των βάσεων δεδοµένων Εγκατάσταση και ρύθµιση του NewsContentScanner V Εγκατάσταση και ρύθµιση του Content Presenter Εγκατάσταση και ρύθµιση του PServer V Παράρτηµα Β...47 ηµιουργία και προσθήκη αλγορίθµων κοινοτήτων για τον PServer V Παράρτηµα Γ...48 Εφαρµογές που χρησιµοποιούν τα RSS Feeds Τα στοιχεία του RSS Ένα παράδειγµα γραµµένο σε RSS Τα στοιχεία του RSS Ένα παράδειγµα γραµµένο σε RSS Βιβλιογραφία...61 Websites ii

4 Εισαγωγή Ευχαριστίες Αρχικά, θα θέλαµε να ευχαριστήσουµε τον επιβλέποντα καθηγητή, Χρήστο Σκουρλά, για την στήριξη που µας προσέφερε και την ευκαιρία της εκπόνησης της εργασίας αυτής. Επίσης, θα θέλαµε να ευχαριστήσουµε και να εκφράσουµε την ευγνωµοσύνη µας στον ερευνητή Γεώργιο Παλιούρα, του Ινστιτούτου Πληροφορικής και Τηλεπικοινωνιών του Ε.Κ.Ε.Φ.Ε. «ηµόκριτος», για την πολύτιµη συνεργασία και καθοδήγηση του. Ευχαριστούµε επίσης την φοιτήτρια Βιβλιοθηκονοµίας του πανεπιστηµίου Αιγαίου Έφη Τσιφλίδου για την βοήθεια της, στην εύρεση δηµοσιογραφικών πηγών,την δηµιουργία των κατάλληλων κανονικών εκφράσεων που χρησιµοποιούνται από την εφαρµογή NewsContentScanner για την ανάκτηση δεδοµένων και για τον έλεγχο της ορθής λειτουργίας της εφαρµογής προκειµένου να εξαλειφθούν όλα τα σφάλµατα. Τέλος, θα θέλαµε να ευχαριστήσουµε τον Άγγελο Αλεξόπουλο για την παρουσίαση της εφαρµογής του και του τρόπου λειτουργίας της που ήταν απαραίτητη για την γρήγορη κατανόηση του συστήµατος. Θα ήταν µεγάλη παράληψη µας εάν δεν εκφράζαµε την ευγνωµοσύνη µας στους καθηγητές µας, θεωρητικούς και εργαστηριακούς, του τµήµατος Πληροφορικής ΤΕΙ Αθήνας για τις γνώσεις, τα εφόδια και την καθοδήγηση που µας πρόσφεραν σε όλη την διάρκεια των σπουδών µας σ αυτή την σχολή. Μουζακίδης Α., Ντούτσης Χ. 1

5 Εισαγωγή i. Εισαγωγή a. Αντικείµενο της πτυχιακής εργασίας Στα πλαίσια του έργου «Παράλληλη, Βασιζόµενη σε Περιεχόµενο, ιαγλωσσική Ανάκτηση Πληροφοριών / PArallel, COntent based Cross Language Information Retrieval (PA_CO_CLIR)», το Εργαστήριο Τεχνολογίας Γνώσεων και Λογισµικού του ΕΚΕΦΕ «ηµόκριτος» πρότεινε την βελτίωση και την αναβάθµιση της ήδη υπάρχουσας εφαρµογής εξατοµικευµένης ενηµέρωσης από τον Παγκόσµιο Ιστό, που έχει αναπτυχθεί στο εργαστήριο. Η εφαρµογή αυτή αντλεί αυτόµατα πληροφορία από συγκεκριµένες ειδησεογραφικές πηγές στον Παγκόσµιο Ιστό και την παρουσιάζει στους χρήστες µε βάση τα ενδιαφέροντά τους. Το σύστηµα περιλαµβάνει προγράµµατα εξαγωγής πληροφορίας (Wrappers) από ειδησεογραφικές πηγές του Ιστού, καθώς και γραφικό περιβάλλον για την παρουσίαση των αποτελεσµάτων της ανάκτησης στον χρήστη µέσω του περιηγητή του Παγκόσµιου Ιστού (Web browser) που χρησιµοποιεί. Η εξατοµίκευση επιτυγχάνεται µε τη χρήση του PServer ενός εξυπηρετητή εξατοµίκευσης (personalization server) γενικής χρήσης, ο οποίος επίσης έχει αναπτυχθεί από ερευνητές του Ε.ΚΕ.Φ.Ε «ηµόκριτος». Ο PServer κατασκευάζει και διατηρεί τα προφίλ των χρηστών, τα οποία η εφαρµογή εξατοµικευµένης ενηµέρωσης χρησιµοποιεί για να εξατοµικεύσει το περιεχόµενο που παρουσιάζεται στον χρήστη. Ο PServer είναι ένας γενικού σκοπού εξυπηρετητής εξατοµίκευσης, ο οποίος είναι ανεξάρτητος εφαρµογής και η επικοινωνία µαζί του γίνεται µέσω HTTP αιτήσεις και αποκρίσεις. Η πτυχιακή εργασία αποτελείτε από δυο µέρη : - Βελτίωση της εφαρµογής content server και διασύνδεση της µε RSS feeds από ειδησεογραφικές πηγές. Στόχος της εργασίας είναι η βελτίωση του συστήµατος αναζήτησης και ανάκτησης ειδήσεων από κοινές σελίδες του διαδικτύου καθώς και η επέκταση της µε υποστήριξη του προτύπου των RSS feeds. Πολλές ειδησεογραφικές πηγές προσφέρουν τις ειδήσεις στη δοµηµένη µορφή του RSS feed. Για αυτές τις πηγές δεν απαιτείται ανάλυση του κειµένου και εξαγωγή πληροφορίας, αφού το RSS feed προσφέρει τις ίδιες πληροφορίες µε αξιόπιστο τρόπο και δεν είναι απαραίτητη η συνεχής συντήρηση του συστήµατος εξόρυξης ειδήσεων. Επίσης βελτιώθηκε η εφαρµογή παρουσίασης των ειδήσεων στους χρήστες κάνοντας δυνατή την προσθήκη νέων δηµοσιογραφικών πηγών και κατηγοριών ειδήσεων µε ιδιαίτερα απλό τρόπο. - Επέκταση του PServer µε τεχνικές προτυποποίησης χρηστών. Οι τεχνικές προτυποποίησης χρηστών δίνουν τη δυνατότητα αυτόµατης κατασκευής και δυναµικής ενηµέρωσης µοντέλων χρηστών, τα οποία αποτελούν την βάση για την εξατοµίκευση των ιαδικτυακών υπηρεσιών. Σκοπός της εργασίας είναι η επέκταση των δυνατοτήτων του εξυπηρετητή εξατοµίκευσης PServer µε νέους αλγόριθµους προτυποποίησης χρηστών. Μουζακίδης Α., Ντούτσης Χ. 2

6 Εισαγωγή b. Στόχοι της πτυχιακής εργασίας Οι στόχοι της εργασίας αυτής είναι η µελέτη και η κατανόηση του υπάρχοντος συστήµατος εξατοµικευµένης ενηµέρωσης από τον Παγκόσµιο Ιστό µε απώτερο σκοπό την βελτίωση του και τον εµπλουτισµό του µε νέες δυνατότητες και λειτουργίες. Παρακάτω περιγράφονται αναλυτικά ένας-ένας οι στόχοι που έχουµε θέσει ώστε να θεωρηθεί η εργασία ολοκληρωµένη. Πρώτος στόχος είναι η µελέτη της αξιολόγησης του υπάρχοντος συστήµατος και η εξαγωγή συµπερασµάτων ώστε να προταθούν βελτιώσεις και αλλαγές που µπορεί να δεχθεί το σύστηµα ώστε να γίνει πιο αποδοτικό και πιο εύχρηστο στο χρήστη. εύτερος στόχος είναι η βελτίωση του υπάρχοντος συστήµατος ανάκτησης δεδοµένων από σελίδες του διαδικτύου και η δηµιουργία και ενσωµάτωση των κατάλληλων Wrappers στην εφαρµογή ώστε να µπορεί να υποστηρίζει το πρότυπο των RSS feeds. Τρίτος στόχος είναι η βελτίωση της web εφαρµογής παρουσίασης των δηµοσιογραφικών πηγών ώστε να είναι εύκολη η επέκταση της ώστε να καλύψει µελλοντικές ανάγκες των χρηστών. Τέταρτος στόχος της εργασίας είναι η επέκταση των δυνατοτήτων του εξυπηρετητή εξατοµίκευσης PServer µε νέες µεθόδους εξόρυξης γνώσης. Πιο συγκεκριµένα η ενσωµάτωση αλγόριθµου για την δηµιουργία κοινοτήτων. Τέλος θα πρέπει να γίνει αποτίµηση της λειτουργικότητας του νέου συστήµατος και αξιολόγηση των δυνατοτήτων του, καθώς και πιθανών µελλοντικών βελτιώσεων. Το νέο σύστηµα θα τεθεί σε αξιολόγηση έτσι ώστε να εκτιµηθεί η ευχρηστία και η λειτουργικότητά του, όπως και η ικανοποίηση των χρηστών από την υπηρεσία εξατοµικευµένης ενηµέρωσης. Η αξιολόγηση θα βοηθήσει να βγουν χρήσιµα συµπεράσµατα για την βελτίωση του νέου συστήµατος και την περαιτέρω εξέλιξή του. Μουζακίδης Α., Ντούτσης Χ. 3

7 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Εξατοµίκευση 1 1. Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Για να επιτευχθεί η αναζητούµενη προστιθέµενη αξία αλλά και για να αντιµετωπισθεί το πρόβληµα της υπερπληροφόρησης, χρησιµοποιούνται τεχνικές εξατοµικευµένων υπηρεσιών. Χρησιµοποιούνται κυρίως σε εφαρµογές του ιαδικτύου (εξατοµίκευση Ιστού - Web personalization), χωρίς όµως να αποκλείεται η χρήση τους και σε τοπικές εφαρµογές πολλών χρηστών. Εξατοµίκευση είναι η διαδικασία συλλογής και αποθήκευσης πληροφοριών αναφορικά µε τους χρήστες ενός συστήµατος, η ανάλυση αυτής της πληροφορίας και η ανάκτηση των κατάλληλων δεδοµένων και πληροφοριών για τον συγκεκριµένο χρήστη την κατάλληλη χρονική στιγµή. Η υπηρεσία που παρέχεται στον χρήστη λέµε ότι είναι κοµµένη και ραµµένη στα µέτρα του. Ο βασικότερος σκοπός είναι η ικανοποίηση των χρηστών. Οι ηλεκτρονικές επιχειρήσεις αναγνωρίζουν ότι οι πελάτες έχουν ανάγκες και η επιτυχής εκπλήρωση αυτών οδηγεί σε µια πετυχηµένη σχέση και επαναχρησιµοποίηση των υπηρεσιών. Σήµερα, η εξατοµίκευση χρησιµοποιείται όλο και πιο πολύ για να προσφέρονται πιο άµεσα οι πληροφορίες που ενδιαφέρουν ένα συγκεκριµένο πελάτη, κάνοντας την υπηρεσία πιο χρήσιµη για τον πελάτη και πιο ελκυστική για να επιστρέψει. Η εξατοµίκευση στον Παγκόσµιο Ιστό έχει συσχετιστεί κυρίως µε συστήµατα υποδείξεων (recommendation) και προσαρµόσιµους ιστιακούς τόπους (adaptive Web sites) [Schafer et al, 2001],[Pretshner and Gauch,1999]. Παρ όλα αυτά, στην σύγχρονη βιβλιογραφία έχουν µελετηθεί και αναπτυχθεί πιο περίπλοκα συστήµατα µε ποικιλία λειτουργιών. Οι τεχνικές εξατοµίκευσης είναι πολύ δηµοφιλής στις τηλεπικοινωνίες και σε επιχειρήσεις που προσφέρουν ψυχαγωγικές υπηρεσίες. Οι χρήστες έχουν πλέον συνηθίσει την χρήση τους και σε πολλές περιπτώσεις θεωρούν την εξατοµίκευση δεδοµένη. Τα πιο εξελιγµένα συστήµατα εξατοµίκευσης χρησιµοποιούν τεχνικές µηχανικής µάθησης για να αυτοµατοποιηθεί η διαδικασία κατασκευής και προσαρµογής των µοντέλων των χρηστών. Η προσπάθεια αυτή εντάσσεται στην ερευνητική περιοχή της Εξόρυξης Ιστού (Web Mining) [Etzioni, 1996], ένας κλάδος της οποίας ασχολείται µε την ανάλυση δεδοµένων χρήσης µιας υπηρεσίας στον Ιστό. Η διαδικασία αυτή ονοµάζεται Web Usage Mining. Η φυσική διαφοροποίηση των χρηστών ως προς την κατηγορία και το είδος των ειδήσεων που διαβάζουν κάνουν τις ειδησεογραφικές ιστοσελίδες ιδανικές για τη χρήση τεχνικών εξατοµίκευσης προσφέροντας έτσι στους επισκέπτες υπηρεσίες προστιθέµενης αξίας. Σύµφωνα µε την Global Landscape, το 56% των χρηστών που διαβάζουν εφηµερίδες, τώρα πια διαβάζουν εξατοµικευµένες εφηµερίδες. Στις µέρες µας, όλα τα µεγάλα ενηµερωτικά µέσα (είτε πρόκειται για εφηµερίδες ή τηλεοπτικά µέσα) προσφέρουν σε κάποιο βαθµό εξατοµικευµένες υπηρεσίες. Πέρα όµως από τα παραδοσιακά µέσα ενηµέρωσης, οι χρήστες του ιαδικτύου χρησιµοποιούν πολύ συχνά για την ενηµέρωσή τους µια ειδική κατηγορία ιστοσελίδων που ονοµάζονται ιαδικτυακές Πύλες (portals) όπως είναι το που είναι από τα πιο δηµοφιλή portals στην Ελλάδα. Τα portals συνήθως αντλούν τις ειδήσεις τους από άλλα ειδησεογραφικά µέσα όπως πρακτορεία ειδήσεων, εφηµερίδες, ή τηλεοπτικά κανάλια. Τα portals, όπως και οι ιστοσελίδες των παραδοσιακών µέσων ενηµέρωσης προσπαθούν να προσελκύσουν όσο περισσότερους αναγνώστες µπορούν, για να αυξηθούν τα διαφηµιστικά τους έσοδα. 1 Για περισσότερες και πιο αναλυτικές πληροφορίες για την Εξατοµίκευση ανατρέξτε στην πτυχιακή εργασία (2003) του Άγγελου Αλεξόπουλου µε τίτλο : Σύστηµα εξατοµικευµένης ενηµέρωσης από τον Παγκόσµιο Ιστό Μουζακίδης Α., Ντούτσης Χ. 4

8 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Λειτουργίες εξατοµίκευσης Παρακάτω παρουσιάζεται µια ταξινόµηση των λειτουργιών εξατοµίκευσης [Kobsa et al, 2001], [Pierrakos et al., 2003]. Η ταξινόµηση στηρίζεται στο τι οφέλη αποκοµίζει ο χρήστης. ιακρίνουµε τέσσερις βασικές κατηγορίες λειτουργιών: µνηµόνευση (memorization), καθοδήγηση (guidance), προσαρµογή (customization) και υποστήριξη εκτέλεσης εργασιών (task performance support). Αυτές αναλύονται στην παρούσα υπό-ενότητα. Η πιο απλή λειτουργία εξατοµίκευσης είναι η µνηµόνευση κατά την οποία το σύστηµα αποθηκεύει πληροφορίες για τον χρήστη όπως το ονοµατεπώνυµό του και οι συνήθειές του κατά την πλοήγηση στην ιστοσελίδα. Οι πληροφορίες χρησιµοποιούνται κάθε φορά που ο χρήστης επισκέπτεται την ιστοσελίδα χωρίς περαιτέρω επεξεργασία. Το πιο απλό και συνηθισµένο παράδειγµα είναι ο χαιρετισµός του χρήστη µε το όνοµα του κατά την είσοδο του στην ιστοσελίδα Καλώς ήρθες Γιώργο. Συνήθως δεν χρησιµοποιούνται σαν ολοκληρωµένη λύση αλλά σε συνδυασµό µε άλλες λειτουργίες. Η λειτουργία καθοδήγησης χρησιµοποιείται για να βοηθήσει τον χρήστη να προσπελάσει πιο άµεσα τις πληροφορίες που τον ενδιαφέρουν, αλλά και να του προσφέρει εναλλακτικές επιλογές πλοήγησης. Η πιο συνηθισµένη εφαρµογή που ακολουθούν πολλά συστήµατα, όπως ο WebPersonalizer [Mobasher et al, 2000b], είναι να προτείνονται υπερσύνδεσµοι οι οποίοι σχετίζονται µε τα ενδιαφέροντα και τις προτιµήσεις του συγκεκριµένου χρήστη. Στην εργασία [Kobsa et al, 2001] περιγράφεται αυτού του είδους η λειτουργία ως µια προσαρµοστική πρόταση υπερσυνδέσµων, η οποία µπορεί να πάρει την µορφή πρότασης συγκεκριµένων προϊόντων, συγκεκριµένης πληροφορίας και µονοπατιών πλοήγησης που ο χρήστης µπορεί να ακολουθήσει. Η τρίτη λειτουργία είναι η προσαρµογή (customization) [Vassiliou, 2001] τόσο της µορφής και της δοµής όσο και του περιεχοµένου ενός ιαδικτυακού τόπου. Ο κύριος στόχος αυτής της λειτουργίας είναι η διαχείριση της πληροφορίας και η διευκόλυνση της αλληλεπίδρασης των χρηστών µε τον ιαδικτυακό τόπο. Αντιπροσωπευτικό παράδειγµα προσαρµογής είναι το myyahoo.com, όπως και οι περισσότερες εξατοµικευµένες σελίδες των portals. Η πιο εξελιγµένη και έξυπνη λειτουργία που προσφέρουν τα συστήµατα εξατοµίκευσης είναι η υποστήριξη εργασίας (task performance support). Το σύστηµα αναλαµβάνει και εκτελεί αυτόµατα ενέργειες που κανονικά θα εκτελούσε ο χρήστης. Η έµπνευση προέρχεται από µια κατηγορία Προσαρµοστικών Συστηµάτων (Adaptive Systems) γνωστά ως προσωπικοί βοηθοί [Mitchell et al, 1994]. Ένα τέτοιο σύστηµα µπορεί να βοηθάει τον χρήστη στην εργασία του µε διάφορους τρόπους όπως στέλνοντας , κατεβάζοντας και αποθηκεύοντας αρχεία χρήσιµα και ενδιαφέροντα για τον χρήστη, κτλ. Επίσης, µπορεί να βοηθήσει τον χρήστη στην αναζήτηση στοιχείων, εµπλουτίζοντας τις επερωτήσεις του χρήστη στις βάσεις δεδοµένων του ιαδικτύου ή στις µηχανές αναζήτησης. Τέλος, τα πιο εξελιγµένα συστήµατα µπορούν να συνδιαλεχθούν εκ µέρους του χρήστη, σε κάποια διαδικτυακή δηµοπρασία για παράδειγµα [Bourganis et al, 1999]. Σηµαντικό είναι να πεισθούν οι χρήστες για την αξία ενός τέτοιου συστήµατος, και γι αυτό πρέπει να είναι πολύ καλά µελετηµένες οι κινήσεις του συστήµατος σε κάθε περίπτωση. Κάθε σύστηµα εξατοµίκευσης χρησιµοποιεί κάποιες απ αυτές τις διαδικασίες ανάλογα µε τις λειτουργίες που ενσωµατώνει. Για την δηµιουργία ευέλικτων και προσαρµοστικών συστηµάτων απαιτούνται τα παρακάτω βήµατα : 1. Αναγνώριση του χρήστη (user identification). 2. Συλλογή δεδοµένων για τον συγκεκριµένο χρήστη 3. Χτίσιµο προφίλ µοντέλου χρήστη 4. Ορισµός των στόχων του εξατοµικευµένου συστήµατος 5. Ανάλυση του προφίλ µοντέλου του χρήστη 6. Παροχή εξατοµικευµένης πληροφορίας στον χρήστη Μουζακίδης Α., Ντούτσης Χ. 5

9 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης 1.1. της υπάρχουσας εφαρµογής Στα πλαίσια πτυχιακής εργασίας 2 αναπτύχθηκε σύστηµα το οποίο προσφέρει υπηρεσία εξατοµικευµένης ενηµέρωσης, αντλώντας αυτόµατα πληροφορία από συγκεκριµένες ειδησεογραφικές πηγές του Παγκόσµιου Ιστού. Η υπηρεσία αποτελείται από τον Content Server ο οποίος υλοποιήθηκε στα πλαίσια της πτυχιακής και τον Personalization Server που αναπτύχθηκε σε ανεξάρτητο έργο του Εργαστηρίου Τεχνολογίας Γνώσεων και Λογισµικού του Ε.Κ.Ε.Φ.Ε. ηµόκριτος. Οι λειτουργίες που κάνει η υπηρεσία Εξατοµικευµένης Ενηµέρωσης είναι οι παρακάτω: Συλλογή δεδοµένων για τον χρήστη: Το σύστηµα ανάλογα µε τους υπερσυνδέσµους που επιλέγει ο χρήστης κατά την πλοήγηση του στην ιστοσελίδα κατασκευάζει το µοντέλο του χρήστη. Μοντελοποίηση του χρήστη: Το σύστηµα είναι προσαρµοστικό και ανανεώνει συνεχώς το µοντέλο κάθε εγγεγραµµένου χρήστη. Τα χαρακτηριστικά που συνθέτουν το µοντέλο του χρήστη έχουν προαποφασιστεί και δεν αλλάζουν κατά την διάρκεια χρήσης του συστήµατος. Φιλτράρισµα: Το σύστηµα χρησιµοποιεί τόσο το φιλτράρισµα βάση περιεχοµένου, λαµβάνοντας υπ όψη τις κατηγορίες ειδήσεων (αθλητικά, οικονοµικά, ) και τις πηγές ειδήσεων, όσο και το συνεργατικό φιλτράρισµα οµαδοποιώντας τους χρήστες σε οµάδες χρηστών µε κοινά χαρακτηριστικά της αρχιτεκτονικής του Content Server Πρόκειται για τον εξυπηρετητή που είναι υπεύθυνος για την πρόσβαση των χρηστών στις κατάλληλες ειδήσεις. Παίρνει είσοδο από τις πηγές περιεχοµένου αλλά και από τους τελικούς χρήστες. Οι πηγές ειδησεογραφικού περιεχοµένου, συµπεριλαµβάνουν υπηρεσίες του Παγκόσµιου Ιστού που δηµοσιεύουν ειδήσεις (πρακτορεία ειδήσεων, τηλεοπτικά µέσα, εφηµερίδες, περιοδικά, portals). Οι τελικοί χρήστες παρέχουν πληροφορίες στο σύστηµα µε διάφορους τρόπους: (α) µπορούν να καθορίσουν ορισµένα χαρακτηριστικά τους, όπως φύλο και ηλικία, κατά την εγγραφή τους στο σύστηµα, (β) το όνοµα χρήστη (username) και το συνθηµατικό του (password) εισάγονται κατά τη διαδικασία αναγνώρισης του χρήστη από το σύστηµα, (γ) συλλέγονται στοιχεία από τον content server σχετικά µε τις ειδήσεις που διαλέγει ο χρήστης να διαβάσει. Ο Content Server αφού επεξεργαστεί, µε τη βοήθεια του Personalization Server, τα στοιχεία που εισάγονται στο σύστηµα, εµφανίζει την προσωπική ηλεκτρονική εφηµερίδα για τον συγκεκριµένο χρήστη µε πρόσφατα άρθρα που ταιριάζουν στο προφίλ του. Για τους νέους ή τους µη εγγεγραµµένους στο σύστηµα χρήστες εµφανίζεται µια κοινή ηλεκτρονική εφηµερίδα. Στην εικόνα 1.1 παρουσιάζεται η αρχιτεκτονική του συστήµατος, µε έµφαση στον Content Server, ο οποίος αποτελείται από τρεις µονάδες: Μονάδα Σάρωσης περιεχοµένου (Content Scanner Unit) Μονάδα Επιλογής περιεχοµένου (Content Selector Unit ) Μονάδα ιεπαφής περιεχοµένου (Content Presenter Unit) και από την Βάση εδοµένων Περιεχοµένου (Content Database CD) 2 Αλεξόπουλος Άγγελος Μουζακίδης Α., Ντούτσης Χ. 6

10 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Οι τελικοί χρήστες και οι πηγές περιεχοµένου αποτελούν την είσοδο του συστήµατος. Οι τελικοί χρήστες παίρνουν ως έξοδο από το σύστηµα το εξατοµικευµένο περιεχόµενο ειδήσεων. Όπως φαίνεται στο σχήµα, ο Content Server αποτελεί τον ενδιάµεσο (µεσάζοντα) µεταξύ των χρηστών και των πηγών περιεχοµένου. Τελικοί χρήστες Web browser Βάση Περιεχοµένου Μονάδα Επιλογής Αίτηση Απόκριση (http) Μονάδα Σάρωσης Μονάδα ιεπαφής Web Web Personalization Server Πηγές περιεχοµένου Εικόνα 1.1 : Η αρχιτεκτονική του Content Server Σύµφωνα µε την παραπάνω αρχιτεκτονική, ο Σαρωτής ανακτά πρόσφατες ειδήσεις από πηγές περιεχοµένου στον Ιστό, οι οποίες αποθηκεύονται στη Βάση εδοµένων Περιεχοµένου του συστήµατος. O Επιλογέας περιεχοµένου λαµβάνει τα προφίλ των χρηστών από τον Personalization Server για να επιλέξει το κατάλληλο περιεχόµενο για την προσωπική εφηµερίδα του χρήστη. Ο Παρουσιαστής παρέχει την διεπαφή του συστήµατος µε τον χρήστη. Οι είσοδοι και οι επιλογές των χρηστών κατευθύνονται από τον Παρουσιαστή περιεχοµένου στον Personalization Server. Η πληροφορία αυτή είναι απαραίτητη για την κατασκευή και διατήρηση των προφίλ των χρηστών. Μουζακίδης Α., Ντούτσης Χ. 7

11 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Μονάδα ιεπαφής Περιεχοµένου (Content Presenter) Η παρουσίαση των ειδήσεων στους χρήστες γίνεται µέσω του φυλλοµετρητή (browser) που χρησιµοποιούν για την πρόσβαση στον Παγκόσµιο Ιστό. Η µονάδα ιεπαφής Περιεχοµένου αναλαµβάνει την παρουσίαση των ειδήσεων που έχουν επιλεχθεί από τον Σαρωτή περιεχοµένου κατά την διάρκεια της διαδικασίας της εξατοµίκευσης, όπως φαίνεται στην εικόνα 1.2. Εν συντοµία οι λειτουργίες που προσφέρονται µέσω του Content Presenter είναι οι παρακάτω: Παρουσίαση των πιο πρόσφατων ειδήσεων που υπάρχουν στην Βάση Περιεχοµένου του Content Server δίχως εξατοµίκευση. Εγγραφή νέων χρηστών και πιστοποίηση της ταυτότητας των εγγεγραµµένων χρηστών. Παρουσίαση των πιο πρόσφατων ειδήσεων που υπάρχουν στην Βάση Περιεχοµένου της εφαρµογής µε βάση τις προτιµήσεις των χρηστών (προσωπική ηλεκτρονική εφηµερίδα). Παρουσίαση των πιο πρόσφατων ειδήσεων που υπάρχουν στην Βάση Περιεχοµένου της εφαρµογής µε βάση τις προτιµήσεις άλλων χρηστών µε παρόµοια χαρακτηριστικά. Αναζήτηση και παρουσίαση ειδήσεων που περιέχουν κάποια λέξη κλειδί στον τίτλο ή στην πρώτη φράση του άρθρου. Παρουσίαση των ειδήσεων της προηγούµενης ηµέρας µε εξατοµικευµένο τρόπο. Αναζήτηση ειδήσεων µε βάση την ηµεροµηνία, την κατηγορία και την πηγή από το Αρχείο Ειδήσεων. Όταν ο χρήστης επισκέπτεται για πρώτη φορά την ιστοσελίδα, στον φυλλοµετρητή του χρήστη εµφανίζονται οι πιο πρόσφατες ειδήσεις που υπάρχουν στην Βάση Περιεχοµένου, χωρίς όµως να είναι ταξινοµηµένες και φιλτραρισµένες από τον Content Selector. Εικόνα 1.2: Γενική µορφή της Μονάδας ιεπαφής Περιεχοµένου (χωρίς εξατοµικευµένες υπηρεσίες). Για να διαβάσει ο χρήστης την προσωπική του εφηµερίδα θα πρέπει να συµπληρώσει το όνοµα χρήστη και το συνθηµατικό του. Η επαλήθευση των στοιχείων του χρήστη είναι σηµαντική για την αναγνώριση του χρήστη, αφού δεν χρησιµοποιούνται άλλες τεχνολογίες όπως τα cookies για την εξακρίβωση του χρήστη. Μετά την πιστοποίηση της ταυτότητας του χρήστη ξεκινάει η εξατοµικευµένη υπηρεσία. Μουζακίδης Α., Ντούτσης Χ. 8

12 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Αν ο χρήστης δεν είναι εγγεγραµµένος µπορεί να συµπληρώσει την Φόρµα εγγραφής νέου χρήστη όπως φαίνεται αυτή στην εικόνα 1.3. Για την επιτυχή εγγραφή του νέου χρήστη είναι απαραίτητη η συµπλήρωση των στοιχείων της φόρµας. Εικόνα Εικόνα 1.3 : Η φόρµα εγγραφής νέου χρήστη. Μετά την αναγνώριση του χρήστη από το σύστηµα ξεκινάει η εξατοµικευµένη υπηρεσία παρουσίασης ειδήσεων (προσωπική εφηµερίδα). Οι ειδήσεις αποτελούνται από τον τίτλο, ένα µικρό απόσπασµα από την αρχή του άρθρου (συνήθως η πρώτη πρόταση) και ένα υπερσύνδεσµο στο άρθρο όπως αυτό δηµοσιεύτηκε στον Ιστό. Η εξατοµίκευση γίνεται τόσο στο επίπεδο των κατηγοριών ειδήσεων όσο και στο επίπεδο των πηγών περιεχοµένου. Η σειρά παρουσίασης των ειδήσεων είναι σύµφωνη µε την σειρά προτίµησης του χρήστη όπως αυτή έχει εκτιµηθεί από το σύστηµα. Το σύστηµα προσαρµόζει την σειρά παρουσίασης των ειδήσεων σύµφωνα µε τις επιλογές του χρήστη στο παρελθόν (προσαρµοστικότητα). Ο Content Presenter παρακολουθεί τις επιλογές του χρήστη, ενηµερώνει τον Personalization Server και αυτός ενηµερώνει το µοντέλο του συγκεκριµένου χρήστη. Η συλλογή δεδοµένων για τον χρήστη και η ανανέωση του προφίλ του γίνεται έµµεσα, χωρίς την παρενόχληση του χρήστη. Πέρα από τις ειδήσεις που παρουσιάζονται στο κεντρικό παράθυρο της προσωπικής ιστοσελίδας της εφαρµογής, ο χρήστης έχει την δυνατότητα να διαβάσει τις ειδήσεις άλλων παρόµοιων µε αυτόν χρήστες, επιλέγοντας τον υπερσύνδεσµο Ειδήσεις παρόµοιων χρηστών. Αν ο χρήστης έχει συµπληρώσει τα προαιρετικά πεδία κατά τη διάρκεια της εγγραφής του στο σύστηµα τότε σε ένα νέο παράθυρο εµφανίζονται οι ειδήσεις ταξινοµηµένες σύµφωνα µε τα προφίλ παρόµοιων χρηστών. ιαφορετικά, ο χρήστης καλείται να συµπληρώσει τα προαιρετικά στοιχεία που δεν έχει συµπληρώσει και µετά οδηγείται στην νέα σελίδα. Επίσης, υποστηρίζεται η παρουσίαση των ειδήσεων προηγούµενης ηµέρας, µέσω υπερσύνδεσµου Χθεσινά Νέα που δηµιουργείται δυναµικά. Επιπλέον, παρέχεται η δυνατότητα στον χρήστη να αναζητήσει τις ειδήσεις κάποιας συγκεκριµένης ηµεροµηνίας, επιλέγοντας αν θέλει την πηγή και την κατηγορία ειδήσεων που τον ενδιαφέρουν, µέσω του υπερσύνδεσµου Αρχείο Νέων. Τέλος, µπορεί να κάνει αναζήτηση µιας συγκεκριµένης λέξης-κλειδί στους τίτλους και τα αποσπάσµατα των άρθρων που περιέχονται στην Βάση Περιεχοµένου του Content Server. Οι αναζητήσεις αυτές δεν συνδυάζονται µε εξατοµικευµένες λειτουργίες. Μουζακίδης Α., Ντούτσης Χ. 9

13 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Σαρωτής Περιεχοµένου (Content Scanner) Για την εξαγωγή των ειδήσεων από τις ειδησεογραφικές πηγές του Ιστού αναπτύχθηκαν προγράµµατα εξαγωγής πληροφορίας (wrappers). Η εξαγωγή ειδήσεων είναι εργασία που επιτελείται από τον Content Scanner. Κατά περιοδικά χρονικά διαστήµατα οι πηγές ειδήσεων ανιχνεύονται για το αν υπάρχουν καινούριες ειδήσεις. Αν έχει ανανεωθεί το περιεχόµενο των ειδήσεων, τότε οι νέες ειδήσεις φυλάσσονται στην Βάση Περιεχοµένου του Content Server. Ο Content Selector διαλέγει κάθε φορά τις πιο πρόσφατες ειδήσεις που υπάρχουν στην Βάση Περιεχοµένου (Content Database), οι οποίες θα χρησιµοποιηθούν κατά την διάρκεια της διαδικασίας εξατοµίκευσης. Η επιλογή βασίζεται στο προφίλ του χρήστη, όπως αυτό διαµορφώνεται κατά τη διάρκεια της αλληλεπίδρασης του χρήστη µε το σύστηµα. Τα προφίλ των χρηστών δηµιουργούνται και ενηµερώνονται από τον Personalization Server. Ο Content Scanner είναι µια αυτόνοµη εφαρµογή που λειτουργεί ανεξάρτητα από τις εξατοµικευµένες υπηρεσίες του συστήµατος. Ως είσοδο, παίρνει ορισµένες παραµέτρους από την Βάση Περιεχοµένου, όπως ποιες πηγές θα χρησιµοποιήσει, πόσες ειδήσεις να επιλέξει, κτλ. και ως έξοδο επιστρέφει τις ειδήσεις στην Βάση εδοµένων Περιεχοµένου. Σχηµατικά η αρχιτεκτονική δοµή του Content Scanner παρουσιάζεται στην εικόνα 1.4. Wrapper Level 1 Web Content Database Wrapper Level 2 Content Scanner Εικόνα 1.4: Η δοµή του Content Scanner Οι ιστοσελίδες ειδήσεων για κάθε πηγή έχουν µια συγκεκριµένη δοµή. Την δοµή των ιστοσελίδων ενηµέρωσης ακολουθεί και ο Content Scanner για να εξάγει τις επιθυµητές πληροφορίες. Ο Wrapper επιπέδου 1 παίρνει ως είσοδο ένα URL και τις κανονικές εκφράσεις που θα χρησιµοποιηθούν στην εξαγωγή των διευθύνσεων για τα άρθρα. Ο Wrapper επιπέδου 2 παίρνει ως είσοδο τις διευθύνσεις που εξάγονται από τον Wrapper επιπέδου 1 και τις κανονικές εκφράσεις από την Βάση Περιεχοµένου. Με µια HTTP αίτηση ανακτά το περιεχόµενο αυτών των διευθύνσεων και εξάγει τον τίτλο, την πρώτη πρόταση της είδησης και ολόκληρο το άρθρο σαν απλό κείµενο απαλλαγµένο από HTML tags. Ο τίτλος, η διεύθυνση και η πρώτη πρόταση του άρθρου αποθηκεύονται στην Βάση Περιεχοµένου για να χρησιµοποιηθούν από τον Content Selector κατά την διάρκεια της εξατοµίκευσης. Η εξαγωγή ειδήσεων από καινούριες πηγές είναι εύκολα υλοποιήσιµη. Αρκεί να ενηµερωθεί η Βάση Περιεχοµένου µε τις νέες κανονικές εκφράσεις και τις διευθύνσεις των επιθυµητών πηγών ειδήσεων για να γίνει η εξαγωγή ειδήσεων. Μουζακίδης Α., Ντούτσης Χ. 10

14 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Βάση Περιεχοµένου (Content Database) Η Βάση Περιεχοµένου αποτελείται από έξι πίνακες οι οποίοι περιέχουν όλη την πληροφορία για τις κατηγορίες των ειδήσεων, τις πηγές των ειδήσεων και τις κανονικές εκφράσεις που χρησιµοποιούν τα προγράµµατα των wrappers. Πίνακας news_category Στον πίνακα αυτό φυλάσσονται οι κατηγορίες ειδήσεων που εξάγονται από τον Content Scanner. Πίνακας source_name Στον πίνακα αυτό φυλάσσονται οι ειδησεογραφικές πηγές από τις οποίες εξάγονται ειδήσεις. Πίνακας source_category Στον πίνακα αυτό φυλάσσονται οι διευθύνσεις στο Web (URL) των ιστοσελίδων των πηγών για τις συγκεκριµένες κατηγορίες ειδήσεων από τις οποίες εξάγονται ειδήσεις από τον Content Scanner. Πίνακας news_content Στον πίνακα αυτό φυλάσσονται οι ειδήσεις όπως εξάγονται από τον Content Scanner Πίνακας wrapper1 Στον πίνακα αυτό φυλάσσονται οι πληροφορίες που χρησιµοποιούν οι wrappers επιπέδου 1 για να εξάγουν τις διευθύνσεις των ειδήσεων. Πίνακας wrapper2 Στον πίνακα αυτό φυλάσσονται οι πληροφορίες που χρησιµοποιούν οι wrappers επιπέδου 2 για να εξάγουν τις πληροφορίες που αποθηκεύονται στον πίνακα news_content. Εικόνα 1.5 βάση δεδοµένων Μουζακίδης Α., Ντούτσης Χ. 11

15 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Μονάδα Επιλογής Περιεχοµένου (Content Selector) Η επιλογή (φιλτράρισµα) των ειδήσεων που εµφανίζονται στην προσωπική εφηµερίδα του χρήστη γίνεται από την µονάδα του Content Server που ονοµάζεται Content Selector. Το φιλτράρισµα και η επιλογή των ειδήσεων γίνεται µε βάση τις κατηγορίες των ειδήσεων (οικονοµικά, αθλητικά, ) αλλά και τις πηγές (Ναυτεµπορική, CNN,..). Το φιλτράρισµα δεν αποκρύπτει κάποιες κατηγορίες και/ή πηγές, αλλά καθορίζει τη σειρά παρουσίασης των ειδήσεων. Έτσι εµφανίζονται µε φθίνουσα σειρά οι οµάδες (κατηγορία και πηγή) των ειδήσεων, ξεκινώντας από την οµάδα ειδήσεων την οποία προτιµάει περισσότερο ο συγκεκριµένος χρήστης και καταλήγοντας στην οµάδα των ειδήσεων που διαβάζει σπανιότερα. Αυτό γίνεται για να έχει ο χρήστης πρόσβαση σε όλους τους τοµείς της ενηµέρωσης. Το σύστηµα υποστηρίζει και τις δύο πιο συχνά χρησιµοποιούµενες τεχνικές φιλτραρίσµατος. Από την µία γίνεται φιλτράρισµα µε βάση τον τύπο του περιεχοµένου των ειδήσεων σε δύο διαστάσεις (πηγή και κατηγορία). Από την άλλη το σύστηµα έχει τη δυνατότητα να φιλτράρει τις ειδήσεις χρησιµοποιώντας την τεχνική του συνεργατικού φιλτραρίσµατος. Έτσι ο χρήστης µπορεί να διαβάσει τις ειδήσεις µε βάση τις προτιµήσεις παρόµοιων χρηστών. Ο Content Selector σε αυτή την περίπτωση παίρνει ως είσοδο το στερεότυπο στο οποίο ανήκει ο συγκεκριµένος χρήστης Αξιολόγηση της λειτουργικότητας του συστήµατος Το παρόν σύστηµα εκτελούσε σωστά την δουλεία για την οποία δηµιουργήθηκε ωστόσο παρουσίαζε αρκετά προβλήµατα όσο αναφορά την απόδοση του συστήµατος, την συντήρηση του καθώς και την επέκταση του. Ακολουθεί µια σειρά από τα προβλήµατα που παρουσίαζε το σύστηµα χωρισµένα αναλόγως µε το κάθε κοµµάτι του Content Server Προβλήµατα στην Μονάδα ιεπαφής Περιεχοµένου (Content Presenter) O content presenter αντιµετώπιζε προβλήµατα τόσο σε επίπεδο επέκτασης διαχείρισης και σε προγραµµατιστικής σχεδίασης. Οι δηµοσιογραφικές πήγες καθώς και οι κατηγορίες ειδήσεων που υποστήριζε το σύστηµα δεν τις έπαιρνε δυναµικά από την βάση που είναι αποθηκευµένες αλλά τις είχε στατικές µέσα στον κώδικα του συστήµατος. Τα στοιχεία της επικοινωνίας µε τον PersServer (αριθµός πόρτας που ακούει, ip του συστήµατος που έχει στηθεί, χρόνος λήξης αναµονής για απάντηση) ήταν αποθηκευµένα µέσα σε ένα jsp αρχείο µε αποτέλεσµα ο διαχειριστής του συστήµατος να πρέπει να έχει κάποιες βασικές γνώσεις java για να µπορέσει να κάνει αλλαγές. Για κάθε κατηγορία ειδήσεων αλλά και για κάθε ξεχωριστή πηγή υπήρχε διαφορετικό jsp αρχείο µε τον ίδιο κάθε φορά κώδικα και άλλαζαν µόνο τα στοιχεία(κάποια λεκτικά ή κωδικοί αριθµοί) της πηγής ή της κατηγόριας. Αποτέλεσµα των παραπάνω ήταν η αδύνατη προσθήκη νέων πηγών και κατηγοριών ειδήσεων χωρίς να επέµβει στον κώδικα της εφαρµογής. Το ίδιο συνέβαινε και µε τις ιδιότητες των χρηστών στον PersServer οι οποίες ήταν στατικές µέσα στον κώδικα. Πρακτικά τα δυο παραπάνω έκαναν αδύνατη την επέκταση του συστήµατος λόγο της στατικότητας. Μουζακίδης Α., Ντούτσης Χ. 12

16 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Σε επίπεδο σχεδιασµού του συστήµατος η εφαρµογή δεν είχε αναπτυχθεί µε βάση την λογική των τριών επιπέδων (3-trier) που επιβάλει τον διαχωρισµό της παρουσίασης των αποτελεσµάτων στον χρήστη, την λογική της εφαρµογής και την ανάκτηση δεδοµένων από την βάση µε αποτέλεσµα την δύσκολη συντήρηση του κώδικα. Η εφαρµογή ανοιγόκλεινε συνδέσεις µε την βάση δεδοµένων και σήκωνε τις βιβλιοθήκες επικοινωνίας της java µε την βάση κάθε φορά που υπήρχε αίτηση από τον χρήστη και έπρεπε αν ανακτηθούν δεδοµένα µε αποτέλεσµα την µείωση της απόδοσης Προβλήµατα στον Σαρωτή Περιεχοµένου Ο Content Scanner είναι µια εφαρµογή που χρησιµοποιούσε το σύστηµα για την αναζήτηση και συλλογή άρθρων από ιστοτόπους (website) δηµοσιογραφικών πηγών. Η εφαρµογή αντιµετώπιζε προβλήµατα στην περίπτωση που οι σελίδες είχαν όλο τους το περιεχόµενο σε µια γραµµή, έτσι έπρεπε οπωσδήποτε η πρώτη πρόταση να ξεχωρίζει από το υπόλοιπο κείµενο, έπρεπε να υπάρχει ξεχωριστά µέσα στον html κώδικα της σελίδας, πράγµα που δεν συνέβαινε σε όλες τις πηγές. Καθώς επίσης και στην λογική αναζήτησης που ήταν βασισµένη κύριος στις πηγές CNN και Ναυτεµπορική (όπου ήταν και οι µοναδικές πηγές που υποστήριζε) µε αποτέλεσµα να µην µπορούν να συµπεριληφθούν όσες δεν ακολουθούσαν αυτή τη λογική. Σε προγραµµατιστικό επίπεδο είχε δύσκολα συντηρήσιµο κώδικα (µη περιγραφικά ονόµατα κλάσεων και µεταβλητών) και χρήση της ίδιας λογικής του να ανοιγοκλείνει συνδέσεις µε την βάση δεδοµένων και η κλήση στην ανάκτηση των οδηγών διασύνδεσης jdbc την java όπως και µε τον content presenter. Για οποιαδήποτε αλλαγή ήταν επιθυµητή όπως το να αλλάξει το Σ Β ή ο φάκελος που σώζονται τα αρχεία µε το περιεχόµενο τον άρθρων ήταν απαραίτητη η επέµβαση στον κώδικα και η επαναµεταγλώττιση της εφαρµογής, έτσι χανόταν ακόµα και η ανεξαρτησία πλατφόρµας της java αφού για παράδειγµα το σύστηµα έσωζε στο c:\data µια διαδροµή δίσκου που δεν υπάρχει πχ σε Unix λειτουργικά. Τέλος υπήρχε λάθος χρήση µεθόδων και ιδιοτήτων κλάσεων (static) µε αποτέλεσµα πιθανούς λάθους αιτήσεων στην βάση αν αυξηθούν ιδιαίτερα οι πηγές ειδήσεων και κατά συνέπεια των νηµάτων επεξεργασίας της εφαρµογής Προβλήµατα µε την Βάση Περιεχοµένου (Content Database) Η βάση περιεχοµένου δεν ήταν στην τρίτη κανονική µορφή αλλά ο µικρός όγκος των δεδοµένων που είχε έκανε την αλλαγή της όχι και τόσο σηµαντικό πρόβληµα. Επίσης η όχι και τόσο περιγραφική ονοµασία των πινάκων είχε ως αποτέλεσµα να µην ευανάγνωστη και κατανοητή εύκολα. Τέλος λόγο της λογικής του content scanner υπήρχαν πεδία που η λειτουργικότητα τους έρχονταν σε αντίθεση µε την επιβάρυνση της βάσης µε περιττά στοιχεία τα οποία πολλές φορές δεν είχαν ιδιαίτερη χρήση στην εξαγωγή άρθρων. Μουζακίδης Α., Ντούτσης Χ. 13

17 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης 1.3. Αλλαγές και βελτιώσεις Η αρχική ιδέα και η αρχιτεκτονική του συστήµατος δεν άλλαξε και παραµένει η ίδια όπως φαίνεται από την εικόνα 1.1. Αλλαγές έγιναν και στα τρία σηµεία που αντιµετώπιζε προβλήµατα η εφαρµογή µε σκοπό πάντα την µεγαλύτερη απόδοση, την ευχρηστία και προπάντων την εύκολη επέκταση της εφαρµογής στο µέλλον, αν κάποιος άλλος αναλάβει την επέκταση και βελτίωση του όλου συστήµατος. εν λέµε ότι το σύστηµα σε αυτή την κατάσταση είναι τέλειο αλλά πιστεύουµε ότι καταφέραµε να επιτύχουµε αρκετά στους παραπάνω στόχους µας. Ακολουθεί µια µικρή περιγραφή των αλλαγών που έγιναν σε κάθε επίπεδο Αλλαγές και βελτιώσεις στην Μονάδα ιεπαφής Περιεχοµένου Από την µονάδα διεπαφής περιεχοµένου σε προγραµµατιστικό επίπεδο έµεινε ίδιο µόνο το κοµµάτι της αξιολόγησης και της εγγραφής νέου χρήστη. Όλο το υπόλοιπο σύστηµα της διαχείρισης χρηστών και επικοινωνίας µε την βάση δεδοµένων ξαναγράφτηκε από την αρχή αναγκαστικά ώστε να είναι δυνατή η προσθήκη νέων πηγών και κατηγόριων ειδήσεων απλά µε την προσθήκη τους στην βάση δεδοµένων. Το µόνο που πρέπει να γίνει µετά είναι η επανεκκίνηση του application server και αυτό έγινε για να ενηµερώνονται µαζί και οι ιδιότητες των χρηστών στον PersServer. Ο τρόπος ενηµέρωσης αναφέρετε αναλυτικά στην ενότητα για την εγκατάσταση και διαχείριση του συστήµατος. Να αναφέρουµε εδώ ότι πλέων όταν τα επιµέρους κοµµάτια του συστήµατος PersServer, Content Presenter στηθούν σε ξεχωριστά µηχανήµατα δεν χρειάζεται να γίνει επέµβαση στον κώδικα αλλά απλά σε ένα αρχείο Αλλαγές και βελτιώσεις στον Σαρωτή Περιεχοµένου Στον σαρωτή περιεχοµένου βελτιώθηκε το κοµµάτι εξαγωγής περιεχοµένου από ιστοσελίδες και προστέθηκε η δυνατότητα ανάκτησης ειδήσεων από δηµοσιογραφικές πήγες που υποστηρίζουν rss feeds και συγκεκριµένα από τις εκδώσεις 0.91,0.92 και 2.0. Στην πρώτη περίπτωση άλλαξαν λίγο οι αλγόριθµοι επεξεργασίας των σελίδων από όπου ανακτούνται τα άρθρα ώστε να ξεπεραστεί το πρόβληµα της µη υποστήριξης πηγών που έχουν όλο το περιεχόµενο σε µια γραµµή. εν είναι ανάγκη πλέον να γίνει ειδική επεξεργασία για την πρώτη πρόταση και η ανάκτηση της γίνετε αφού ανακτηθεί όλο το περιεχόµενο του άρθρου. Στην συνεχεία η εφαρµογή κόβει την πρώτη συµβολοσειρά που τελειώνει µε!, ; ή τον χαρακτήρα. και δεν υπήρχε κενό στους κοντινούς δυο χαρακτήρες, δεν υπάρχει. στους προηγούµενους ή επόµενους τρεις χαρακτήρες και δεν ακολουθεί αριθµός.το τελευταίο γίνεται για να αποφευχθεί η περίπτωση των δεκαδικών αριθµών. Αν τύχει και η επόµενη πρόταση αρχίζει από αριθµό το σύστηµα θα ανάκτηση δυο πρότασης. Οι wrappers και στα δυο επίπεδα απλοποιήθηκαν καθώς δεν χρειαζόταν τόση πληροφορία όση χρησιµοποιούσαν πριν. Έτσι για τον wrapper επιπέδου ένα για html σελίδων χρειάζεται µόνο η κανονική έκφραση που προηγείται της υπερσύνδεσης µέχρι και τον χαρακτήρα πχ <class=articlle ><a href=. Στον wrapper επιπέδου δυο για το περιεχόµενο αφαιρέθηκαν όπως αναφέρθηκε και πριν οι κανονικές εκφράσεις για την πρώτη πρόταση καθώς και τα στοιχεία για το τι θα αγνοήσει ο wrapper. Μουζακίδης Α., Ντούτσης Χ. 14

18 Εφαρµογή Εξατοµικευµένης Ενηµέρωσης Αλλαγές και βελτιώσεις στη Βάση Περιεχοµένου (Content Database) Από την βάση δεδοµένων αφαιρέθηκε η περιττή πληροφορία που δεν χρειάζεται πλέον. Στον πίνακα source_category προστέθηκε µια νέα στήλη isxml για να δείχνει αν η πηγή είναι rss ή όχι και τέλος άλλαξαν τα ονόµατα των πινάκων και των πεδίων που χρειαζόταν ώστε να είναι ποιο φιλικά προς τον διαχειριστή αλλά και σε κάποιον προγραµµατιστή που θα θελήσει αν ασχοληθεί µε το σύστηµα στο µέλλον. Η εικόνα 1.6 έχει το νέο σχήµα της βάσης. Εικόνα 1.6 Νέα βάση δεδοµένων Μουζακίδης Α., Ντούτσης Χ. 15

19 ιασύνδεση της εφαρµογής µε RSS feeds 2. ιασύνδεση της εφαρµογής µε RSS feeds 2.1. Εισαγωγή στα RSS Feeds Μια κοινή πρακτική µεταξύ των ιστοσελίδων ειδησεογραφικού κυρίως περιεχοµένου και των υπολοίπων είναι να διαθέτουν το περιεχόµενό τους για χρήση από άλλες σελίδες ή αποµακρυσµένες εφαρµογές. Η πιο κοινή µέθοδος για αυτήν την πρακτική που αναφέρεται ως "syndication" είναι η χρήση ενός πρωτοκόλλου που ονοµάζεται RSS. Τα αρχικά RSS, αναλόγως την έκδοση του πρωτοκόλλου που αναφερόµαστε µπορεί να σηµαίνουν είτε Really Simple Syndication, είτε Rich Site Summary, είτε RDF Site Summary είτε µια παραλλαγή όλων αυτών. Το RSS είναι λοιπόν ένα πρωτόκολλο, ένα πρότυπο κειµένου γραµµένο συνήθως σε µια µορφή της γλώσσας XML που επιτρέπει σε ιστοσελίδες να διαθέσουν είτε ολόκληρο είτε µέρος του περιεχοµένου τους σε άλλες ιστοσελίδες ή εφαρµογές. Για να γίνεται πιο αποτελεσµατικά η "διανοµή" (syndication) του περιεχόµενου, χρησιµοποιούνται τα λεγόµενα RSS feeds ή κανάλια, τα οποία δηµιουργούνται συνήθως µε τέτοιον τρόπο ώστε να καλύπτουν µια συγκεκριµένη κατηγορία θεµάτων, όπως τεχνολογικά, οικονοµικά, αθλητικά κτλ. Αυτό γίνεται κυρίως γιατί οι άνθρωποι που ενηµερώνονται µέσω RSS feeds ψάχνουν περισσότερο να διαβάσουν θέµατα µιας συγκεκριµένης κατηγορίας των ενδιαφερόντων τους. Τα RSS feeds είναι στην ουσία αρχεία RSS που περιέχουν µια λίστα αντικειµένων. Η πιο συχνή χρήση των αρχείων RSS είναι οι ειδήσεις, αλλά και οποιοδήποτε θεµατικό περιεχόµενο το οποίο είναι διαθέσιµο σε µια ιστοσελίδα µε αντίστροφη χρονολογικά σειρά, δηλαδή, οι νεότεροι τίτλοι να εµφανίζονται πρώτοι. Τα αρχεία RSS δεν έχουν µια κοινή επέκταση, παρόλο που συχνότερα χρησιµοποιούν µια εκ των.xml,.rss, ή.rdf. Συνήθως, το κάθε αντικείµενο σε ένα αρχείο RSS περιέχει έναν τίτλο, µια περιγραφή και έναν σύνδεσµο (link) σε µια ιστοσελίδα. Μπορεί επίσης να είναι διαθέσιµες και άλλες πληροφορίες σε κάθε αντικείµενο, όπως για παράδειγµα η ηµεροµηνία ή το όνοµα του συγγραφέα. Η περιγραφή ενός αντικειµένου µπορεί να περιέχει όλο το άρθρο της είδησης ή απλώς ένα απόσπασµα σαν περίληψη. Ο σύνδεσµος τέλος του αντικειµένου συνήθως οδηγεί στο πλήρες περιεχόµενο της ιστοσελίδας, παρόλο που µπορεί συχνά να οδηγεί και σε ότι άλλο σύνδεσµο υπάρχει στο περιεχόµενο. Όταν µια ιστοσελίδα διαθέτει ένα RSS feed, αναφέρεται ως syndicated. Υπάρχουν και άλλα διαθέσιµα πρωτόκολλα για syndication ιστοσελίδων, αλλά το RSS είναι µε διαφορά το πλέον διαδεδοµένο και µε την περισσότερη υποστήριξη σήµερα. Για να µπορέσετε να χρησιµοποιήσετε RSS feeds, θα πρέπει να χρησιµοποιήσετε είτε ειδικά προγράµµατα είτε ειδικές online υπηρεσίες που σας επιτρέπουν να γραφτείτε συνδροµητής σε διάφορα feeds που υπάρχουν στο διαδίκτυο. Το πρόγραµµα που θα χρησιµοποιήσετε συνήθως µόλις εκτελεστεί και αφού ελέγξει για ανανεώσεις συνδέεται µε τις ιστοσελίδες που του έχετε ορίσει και κατεβάζει ότι νέες πληροφορίες είναι διαθέσιµες. Έτσι µπορείτε να διαβάσετε τους τίτλους και ίσως µια µικρή περίληψη των θεµάτων που σας ενδιαφέρουν, και χρησιµοποιώντας τον ανάλογο σύνδεσµο που υπάρχει σε κάθε αντικείµενο ενός RSS feed µπορείτε να επισκεφτείτε την σχετική ιστοσελίδα για να διαβάσετε ολόκληρο το περιεχόµενο της είδησης. Προγράµµατα αυτού του είδους, που ονοµάζονται feed aggregators, µπορείτε να βρείτε σε ιστοσελίδες στο διαδίκτυο που προσφέρουν προγράµµατα ψάχνοντας στην κατηγορία RSS readers ή RSS aggregators. Μουζακίδης Α., Ντούτσης Χ. 16

20 ιασύνδεση της εφαρµογής µε RSS feeds 2.2. Η ιστορία των RSS Feeds Το µόνο σίγουρο για τα RSS είναι οι µύθοι που ακούγονται για την εξέλιξης τους. Γι αυτό το λόγο παρακάτω γίνεται µια σύντοµη ανασκόπηση των αλλαγών που συνέβησαν στην πορεία εξέλιξης που ακολούθησαν τα RSS, όπως λέγεται από τους σχεδιαστές των περισσοτέρων σχηµάτων /27/97: Ο DW από την UserLand σχεδιάζει ένα σχήµα που το ονοµάζεται scriptingnews /15/99 : Η Netscape σχεδιάζει το RSS 0.90, για τη χρήση του στο my.netscape.com. Υποστήριζε επίσης το σχήµα scriptingnews και η δοµή του δεν ήταν τίποτα άλλο από ένα αρχείο XML. Το µόνο στοιχείο που είχε από το RDF είναι η επικεφαλίδα /15/99 : Ο DW από την UserLand σχεδιάζει το scriptingnews 2.0b1, που ενισχύεται για να περιλάβει όλα τα χαρακτηριστικά γνωρίσµατα το RSS Ιδιαίτερα ο DW πίεσε την Netscape να υιοθετήσει τα χαρακτηριστικά γνωρίσµατα του, στο RSS /10/99 : Η Netscape σχεδιάζει το RSS 0.91 στο οποίο περιλαµβάνει τα περισσότερα χαρακτηριστικά γνωρίσµατα από το scriptingnews 2.0b1. "Προσπαθούµε να κινηθούµε προς ένα πιο τυποποιηµένο σχήµα, και για αυτόν τον σκοπό έχουµε περιλάβει διάφορες ετικέτες από το δηµοφιλή σχήµα < scriptingnews >." Η επιγραφή RDF αφαιρέθηκε /28/99 : Η UserLand υιοθετεί το RSS 0.91 και αποδοκιµάζει τα σχήµατα scriptingnews. 6. Η οµάδα RSS της Netscape διαλύεται /04/00 : Η UserLand εκδίδει τις δικές προδιαγραφές για το RSS 0, /14/00 : Στην O'Reilly µια οµάδα που καθοδηγείται από τον Rael Dornfest εργαζόµενοι ιδιωτικά δηµοσιεύουν το RSS 1.0. Βασισµένο στο RDF και µε χρήσεις namespaces /25/00 : Ο DW της UserLand εκδίδει το RSS 0.92 το οποίο είναι 0.91 µε τα προαιρετικά στοιχεία /20/01: Συζητείται το RSS 0.93 αλλά δεν επεκτείνεται ποτέ /14/02 : Το MetaWeblog API συγχωνεύει το RSS 0.92 µε XML-RPC και παρέχει ένα ισχυρό blogging API /18/02 : Ο DW µετά την αποχώρηση από την UserLand αναπτύσσει το RSS 2.0, το οποίο είναι 0,92 µε προαιρετικά στοιχεία. Το MetaWeblog API αναβαθµίζεται για να υποστηρίξει το RSS 2.0. Στην ανάπτυξη εφαρµογών, αυτό το σχήµα βρίσκεται και ως /15/03 : Οι προδιαγραφές του RSS 2.0 απελευθερώνονται µέσω του Harvard µε την Creative Commons license. Μουζακίδης Α., Ντούτσης Χ. 17

21 ιασύνδεση της εφαρµογής µε RSS feeds 2.3. Οι εκδόσεις του RSS µε µια µατιά * Οι εκδόσεις RSS παρουσιάζονται σύµφωνα µε τη χρονολογική περίοδο που εµφανίστηκαν. * Τα ονόµατα των ιδιοτήτων και των στοιχείων είναι ταξινοµηµένα αλφαβητικά. * Μπροστά από τα ονόµατα των ιδιοτήτων υπάρχει το σύµβολο "@". Οι ιδιότητες και τα στοιχεία που εµφανίζονται για πρώτη φορά σε µια έκδοση είναι µε έντονο µαύρο. RSS RSS RSS RSS RSS "RDF Site Summary" channel o description o link o title image o title o url o link item o link o title textinput o description o link o name o title "Rich Site Summary" "RDF Site Summary" "no acronym" "Really Simple Syndication" channel o copyright o description o docs o image height link title url width o item description link title o language o lastbuilddate o link o managingeditor o pubdate o rating o textinput description link name title o skiphours o skipdays o title o webmaster channel o description o link o title o items image o link o title o url item o description o link o title textinput o description o link o name o channel o cloud o copyright o description o docs o image height link title url width o item @url link title o language o lastbuilddate o link o managingeditor o pubdate o channel o category o cloud o copyright o description o docs o generator o image height link title url width o item author category link pubdate o title Μουζακίδης Α., Ντούτσης Χ. 18

22 ιασύνδεση της εφαρµογής µε RSS feeds RSS RSS RSS RSS RSS "RDF Site Summary" "Rich Site Summary" "RDF Site Summary" "no acronym" "Really Simple Syndication" o o o textinput description link name title o title o skiphours o skipdays o webmaster o language o lastbuilddate o link o managingeditor o pubdate o rating o skiphours skipdays o textinput description link name title o title o ttl o webmaster Κοινά στοιχεία µεταξύ 0.9x/2.0 και x/ category dc:subject cloud? cp:server comments? annotate:reference copyright dc:rights docs xmlns generator admin:generatoragent guid rdf:about language dc:language lastbuilddate dcterms:modified managingeditor dc:creator pubdate dcterms:available ttl webmaster dc:publisher Μουζακίδης Α., Ντούτσης Χ. 19

23 ιασύνδεση της εφαρµογής µε RSS feeds RSS - "Rich Site Summary" Προσπαθώντας να δηµιουργηθεί ένα πιο τυποποιηµένο σχήµα,το RSS 0.91 έχει περιλάβει διάφορες ετικέτες από το δηµοφιλή < scriptingnews > σχήµα. Επίσης έχουµε εξασφαλίσει ότι είναι 100% έγκυρο XML. Αυτό το πετυχαίνουµε µε την ετικέτα DOCTYPE στην οποία ορίζουµε το DTD αρχείο το οποίο χρησιµοποιούµε για να επικυρώσουµε κάθε έγγραφο RSS. Εποµένως δεν είναι αρκετό για ένα έγγραφο RSS να είναι " well-formed ", αλλά και "valid" όσον αφορά το DTD. Επίσης τα αρχεία πρέπει να είναι 100% έγκυρα XML. εν επιτρέπεται η µίξη στις ετικέτες, κάθε ετικέτα είτε περιέχει υποετικέτες µόνο, είτε κείµενο και όχι συνδυασµό τους. Αυτό γίνεται επειδή υπήρχε η ανάγκη για ένα σχήµα απλό και επειδή το τρέχον σύστηµα επικύρωσής δεν ήταν ικανό να χειριστεί αυτόν τον τύπο ετικέτας. Επίσης δεν επιτρέπεται οποιαδήποτε σήµανση HTML πέρα από τις συνήθως χρησιµοποιηµένες οντότητες όπως &quot Στην έκδοση 0.91 οι αναφορές RDF αφαιρούνται. Η αρχική σύλληψη για το RSS ήταν η χρησιµοποίηση των µεταδεδοµένων για την παροχή µιας περίληψης ενός ιστοχώρου. ύο πράγµατα είναι σαφή: το πρώτο είναι ότι οι προµηθευτές θέλουν περισσότερο ένα σχήµα syndication από ένα σχήµα µεταδεδοµένων. Η δοµή ενός αρχείου RDF είναι πολύ ακριβής και πρέπει να προσαρµοστεί σε ένα πρότυπο RDF προκειµένου να είναι έγκυρο. Αυτό δεν είναι εύκολα ανθρωπίνως-κατανοητό και µπορεί να το καταστήσει δύσκολο να δηµιουργήσει χρήσιµα RDF αρχεία. Το δεύτερο είναι ότι λίγα εργαλεία είναι διαθέσιµα για την παραγωγή, την επικύρωση και την επεξεργασία RDF. Για αυτούς τους λόγους, αποφασίστηκε να επιλεγεί µια τυποποιηµένη προσέγγιση XML RSS - " Really Simple Syndication " Η έκδοση 2.0 είναι η εξέλιξη των προηγούµενων µε µερικά πρόσθετα στοιχεία. Παρακάτω εµφανίζονται κάποια πράγµατα που άλλαξαν µετά την 0.91 και ισχύουν και στην 2.0. Αυτά είναι : Το σύνολο των χαρακτήρων που µπορούν να υπάρχουν σε ένα στοιχείο εξαρτάται από την γεννήτρια του rss. Ο αριθµός των <item> σε ένα <channel> καθορίζεται επίσης από τις γεννήτριες και όχι από τις προδιαγραφές τις έκδοσης, όπως συνέβαινε στην έκδοση 0.91 η οποία τα περιόριζε στα 15 ανά κανάλι. Στα στοιχεία <link> και <url> το περιεχόµενο τους θα πρέπει να ξεκινάει µε ένα URI όπως το news://, mailto: και ftp://. Αν και πιο πριν πολλά aggregators τα υποστήριζαν ανεπίσηµα βέβαια Η ενσωµάτωση των RSS feeds στην εφαρµογή Για την εισαγωγή των RSS feeds χρειάστηκε να γίνουν δυο βασικές προσθήκες στην εφαρµογή. Η πρώτη αλλαγή είναι η προσθήκη στην βάση ενός πεδίου (isxml) το οποίο θα είχε σκοπό την σηµατοδότηση των συνδέσµων (url link) εάν είναι RSS feeds ή όχι εικόνα 2.1. Η δεύτερη προσθήκη είναι στον προγραµµατιστικό κοµµάτι. Για να εξάγουµε τα άρθρα από ιστοχώρους που υποστηρίζουν rss feeds φτιάξαµε ένα wrapper ο οποίος ενεργοποιείτε όταν διαπιστωθεί ότι ένα url αναφέρεται σε σελίδες που είναι rss feeds. Από εκεί και έπειτα η διαχείριση και η εµφάνιση των νέων άρθρων είναι η ίδια µε των υπολοίπων. Μουζακίδης Α., Ντούτσης Χ. 20

24 ιασύνδεση της εφαρµογής µε RSS feeds Εικόνα 2.1, εισαγωγή του πεδίου isxml στην βάση Μουζακίδης Α., Ντούτσης Χ. 21

25 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). 3. Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5) PServer Η υπηρεσία Εξατοµικευµένης Ενηµέρωσης βασίζεται στον Content Server, που περιγράφτηκε ανωτέρω και τον Personalization Server. Ο Personalization Server κατασκευάζει και διατηρεί τα προφίλ των χρηστών, τα οποία ο Content Selector χρησιµοποιεί για να εξατοµικεύσει το περιεχόµενο που παρουσιάζεται στον χρήστη. Ο Personalization Server είναι ένας γενικού σκοπού εξυπηρετητής εξατοµίκευσης, ο οποίος είναι ανεξάρτητος εφαρµογής. Σχεδιάστηκε και αναπτύχθηκε στο Εργαστήριο Γνώσεων και Λογισµικού του Ε.Κ.Ε.Φ.Ε. ηµόκριτος και επεκτείνει τον YServer 3. Προς τον παρόν υποστηρίζει τις βάσεις δεδοµένων MS Access και MySQL. Ο Personalization Server δέχεται τα εξής δεδοµένα ως είσοδο από τον Content Presenter: Τις πληροφορίες εγγραφής νέου χρήστη που αρχικοποιούν το προφίλ του χρήστη το οποίο φυλάσσεται στην Βάση εδοµένων του Personalization Server. Τις πληροφορίες κατά την είσοδο του χρήστη στην προσωπική του εφηµερίδα, δηλαδή το όνοµα χρήστη και το συνθηµατικό του. Τα στοιχεία αυτά είναι απαραίτητα κατά την αναγνώριση του χρήστη από το σύστηµα, προκειµένου να του προσφερθούν οι εξατοµικευµένες υπηρεσίες. Επίσης, η συµπεριφορά του χρήστη κατά την πλοήγηση αποθηκεύεται από τον Personalization Server. Όταν ο χρήστης επιλέγει να διαβάσει τις ειδήσεις από κάποια συγκεκριµένη πηγή ή από κάποια συγκεκριµένη κατηγορία ειδήσεων το σύστηµα ανανεώνει το προφίλ των προτιµήσεων του συγκεκριµένου χρήστη. Το σύστηµα ενηµερώνει το προφίλ του χρήστη και όταν επιλέξει κάποια συγκεκριµένη είδηση για να διαβάσει, όταν δηλαδή επιλέγει τον υπερσύνδεσµο µιας συγκεκριµένης είδησης. Η έξοδος του Personalization Server είναι το προφίλ του χρήστη το οποίο χρησιµοποιείται από τον Content Selector για την επιλογή των σωστών ειδήσεων που ταιριάζουν στον συγκεκριµένο χρήστη. Το προφίλ του χρήστη περιέχει τις εξής πληροφορίες: Προσωπικές πληροφορίες, οι οποίες δίνονται από τον χρήστη κατά την διάρκεια της εγγραφής του στο σύστηµα. Παραµετρικές προτιµήσεις του χρήστη, που εκφράζουν το ενδιαφέρον του χρήστη για συγκεκριµένες κατηγορίες και πηγές ειδήσεων. Το επίπεδο ενδιαφέροντος εκφράζεται µε ένα αριθµό στον οποίο προστίθεται µια µονάδα κάθε φορά που ο χρήστης δείχνει ενδιαφέρον για κάποια κατηγορία ή πηγή ειδήσεων. Έτσι υπάρχουν ζευγάρια πεδίων-τιµών για κάθε κατηγορία και πηγή είδησης. Στερεότυπα χρηστών. Οι χρήστες οµαδοποιούνται ανάλογα µε ορισµένα χαρακτηριστικά τους. Οι οµάδες χρηστών που δηµιουργούνται µε αυτό τον τρόπο ονοµάζονται στερεότυπα χρηστών. Τα χαρακτηριστικά αυτά είναι η ηλικία, η επαγγελµατική απασχόληση, η χώρα κατοικίας και το φύλο του χρήστη. Ο Personalization Server αποθηκεύει τα στερεότυπα που δηµιουργούνται. 3 Ο YServer είναι ένας επεκτάσιµος Web Server ο οποίος υποστηρίζει πολλαπλούς χρήστες, αιτήσεις για αρχεία που βρίσκονται κάτω από ένα δηµόσιο κατάλογο, GET και POST HTTP µεθόδους, MIME τύπους, και φόρτωµα ρυθµίσεων εφαρµογών από αρχείο αρχικοποίησης. Μουζακίδης Α., Ντούτσης Χ. 22

26 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5) Επικοινωνία PServer µε τον Content Server Η επικοινωνία του Personalization Server µε τον Content Server γίνεται µε HTTP αιτήσεις και αποκρίσεις. Αυτές οι ερωτήσεις και αποκρίσεις είναι προκαθορισµένες για τον Personalization Server. Με τον Personalization Server επικοινωνούν και ο Παρουσιαστής Περιεχοµένου αλλά και ο Επιλογέας Περιεχοµένου. Οι αποκρίσεις προέρχονται από την βάση δεδοµένων του Personalization Server. Κατά την εγγραφή νέου χρήστη στην εφαρµογή, ενηµερώνεται η βάση δεδοµένων του Personalization Server για τα στοιχεία του νέου χρήστη. Η ενηµέρωση γίνεται µε την αίτηση pers?com=setusr&usr=<usr>[&<ftr_pattern_1>=<ftr_value_1>&...], όπου usr είναι το όνοµα του νέου χρήστη και ftr_pattern είναι κάποιο από τα χαρακτηριστικά του. Οι αποκρίσεις όλων των αιτήσεων στον Personalization Server είναι σε XML µορφή. Κάθε απάντηση βρίσκεται ανάµεσα στα στοιχεία <result> και </result>. Επειδή οι απαντήσεις δίνονται µε ενιαία µορφή είναι εύκολη η επεξεργασία και η εξαγωγή των χρήσιµων πληροφοριών Κοινότητες Περίληψη Ο διαχωρισµός των πληροφοριών στο διαδίκτυο γίνεται όλο και περισσότερο αναγκαίος καθώς το µέγεθος των πληροφοριών που είναι διαθέσιµο ηλεκτρονικά γίνεται ανεξέλεγκτο ειδικά για αυτούς τους χρήστες που δεν έχουν την κατάλληλη εξοικείωση. Ως αποτέλεσµα της πληθώρας των πληροφοριών που υπάρχουν στο διαδίκτυο, είναι η εµφάνιση διάφορων φορέων παροχής υπηρεσιών µε σκοπό τους να βοηθήσουν τους χρήστες στο φιλτράρισµα των πληροφοριών. Επιπλέον, νέες διαδικασίες όπως η ηλεκτρονική διαχείριση πελατειακών σχέσεων (electronic customer relationship management e- crm ), η ανάλυση χρήσης του ιαδικτύου (Web usage analysis) και η εξόρυξη πληροφοριών από το ιαδίκτυο (Web mining) έχουν αναπτυχθεί τα τελευταία χρόνια. Όλα αυτά έχουν τον ίδιο στόχο, να κατανοήσουν τις ανάγκες, τα ενδιαφέροντα και τη γνώση των χρηστών των δικτυακών τόπων. Το κίνητρο για όλα αυτά προέρχεται από το γεγονός ότι η προστιθέµενη αξία δεν κερδίζεται µόνο µέσω των µεγαλύτερων ποσοτήτων δεδοµένων σε µια δικτυακή περιοχή, αλλά µέσω της ευκολότερης πρόσβασης στις απαραίτητες πληροφορίες στο σωστό χρόνο και στην καταλληλότερη µορφή. Με λίγα λόγια "Η ποσότητα ανθρώπων που επισκέπτονται την δικτυακή περιοχή σας είναι λιγότερο σηµαντική από την ποιότητα της εµπειρίας τους "(Schwartz, 1997). Στόχος µας λοιπόν είναι να δείξουµε πώς οι τεχνικές µηχανικής µάθησης µπορούν να χρησιµοποιηθούν για την αυτοµατοποίηση της δηµιουργίας των µοντέλων χρηστών, µε σκοπό την παροχή χρήσιµων πληροφοριών για την προσαρµογή των υπηρεσιών του ιαδικτύου. Ειδικότερα, ενδιαφερόµαστε για την δηµιουργία µοντέλων κοινοτήτων. Μια κοινότητα αντιστοιχεί σε µια οµάδα χρηστών που παρουσιάζουν κοινή συµπεριφορά στην αλληλεπίδρασή τους µε το σύστηµα (Orwant, 1995). Αυτός ο τύπος µοντελοποίησης των χρηστών πρόσφατα έχει αρχίσει να αποκτά ενδιαφέρον και να υπάρχει αρκετή δραστηριότητα. Σε αντίθεση µε τις προηγούµενες προσεγγίσεις µε βάση τη µνήµη, το συνεργατικό φιλτράρισµα (Resnick and Varian, 1997), η νέα προσέγγιση που χρησιµοποιεί τα µοντέλα κοινοτήτων - επίσης γνωστά ως µοντέλο βασισµένο σε συνεργατικό φιλτράρισµα (Breese et al, 1998) - οργανώνει τους χρήστες σε οµάδες, χωρίς να καταγράφει πληροφορίες για τον καθέναν χωριστά. Μέσω της δηµιουργίας κοινοτήτων, µια υπηρεσία ιαδικτύου, όπως αυτή του ηλεκτρονικού εµπορίου, µπορεί να αντιµετωπίζεται σαν ένα απλό σύστηµα βασισµένο σε κοινότητες. Από αυτή την άποψη, οι χρήστες µιας υπηρεσίας αποτελούν µια µεγάλη κοινότητα, εντός της οποίας οι µικρότερες Μουζακίδης Α., Ντούτσης Χ. 23

27 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). κοινότητες των χρηστών µε τα κοινά χαρακτηριστικά µπορούν να προσδιοριστούν. Αυτά τα χαρακτηριστικά είναι συνήθως µετρήσιµες παράµετροι της αλληλεπίδρασής τους µε το σύστηµα, όπως τα άρθρα ειδήσεων που βλέπουν ή τα βιβλία που αγοράζουν, αλλά µπορούν επίσης να αυξηθούν µε τις πληροφορίες που λαµβάνονται ρητά από τους χρήστες, όπως η ηλικία τους ή το επίπεδο της γνώσης τους. Η τελευταία περίπτωση, όπου οι χρήστες παρέχουν ρητά τις πληροφορίες για τους, τα µοντέλα χρηστών καλούνται συχνά στερεότυπα, παρά κοινότητα. Η ανακάλυψη των κοινοτήτων χρηστών µπορεί να διευκολύνει την αλληλεπίδραση των ανθρώπων µε ένα συγκρότηµα ηλεκτρονικών υπολογιστών, όπως µια υπηρεσία διαδικτύου, από πολλές απόψεις: Βελτιστοποίηση υπηρεσιών. Παρέχει τη διορατικότητα στους φορείς παροχής υπηρεσιών, βοηθώντας τους να αναδιοργανώσουν το σύστηµα, προκειµένου να το καταστήσουν καταλληλότερο στις ανάγκες των διαφορετικών τύπων χρηστών. Εξατοµίκευση υπηρεσιών. Μπορεί να βοηθήσει τους χρήστες να προσδιορίσουν τις πληροφορίες που τους ενδιαφέρουν περισσότερο. Υποστήριξη αλληλεπίδρασης. Παρέχοντας την κατάλληλη υποδοµή για την προστασία της ιδιωτικότητας των χρηστών, η υπηρεσία µπορεί να υποστηρίξει την αλληλεπίδραση µεταξύ των µελών µιας κοινότητας. Εντούτοις, η φύση και η σύνθεση των κοινοτήτων χρηστών σε ένα ιδιαίτερα δυναµικό περιβάλλον, όπως το διαδίκτυο, αναγκαστικά αλλάζει συνεχώς. Κατά συνέπεια, είναι δύσκολο να κατασκευαστούν και να διατηρηθούν κοινότητες µε το χέρι. Για αυτόν τον λόγο, προτείνουµε τη χρήση της µηχανής µάθησης στην ανακάλυψη και τη συντήρηση των κοινοτήτων χρηστών. Εκτός από τις κοινότητες χρηστών βέβαια υπάρχουν και οι κοινότητες των ιδιοτήτων τους. Σε αυτή την περίπτωση δεν διαχωρίζουµε του χρήστες του συστήµατος σε ξεχωριστές οµάδες αλλά εξετάζουµε την συνολική συµπεριφορά όλων των χρηστών και προσπαθούµε να βρούµε τις συσχετίσεις µεταξύ τον προτιµήσεων τους. Παραδείγµατος χάρη στο σύστηµα µας µπορούµε να δούµε ποιες άλλες πηγές-κατηγορίες επισκέπτονται οι χρήστες που επισκέπτονται την ερτ-οικονοµία Σχετικές Εργασίες Η τεχνολογία διαµόρφωσης µοντέλων χρηστών στοχεύει να καταστήσει τα συστήµατα πληροφοριών φιλικά προς το χρήστη, µε την προσαρµογή του συστήµατος στις ανάγκες κάθε ατόµου ξεχωριστά. Με την εκρηκτική αύξηση του ιαδικτύου και του όγκο των πληροφοριών που δηµοσιεύεται σε αυτό, η ανάγκη για χρήση συστηµάτων προσαρµοσµένα σε κάθε χρήστη ώστε να εντοπίζουν τις πληροφορίες που είναι πιο ενδιαφέρουσες για αυτούς έχει γίνει επιτακτική. Η τεχνολογία διαµόρφωσης µοντέλων χρηστών έχει χρησιµοποιηθεί επιτυχώς σε ποικίλους τοµείς συναφείς µε την πρόσβαση σε πληροφορίες: όπως ανάκτηση πληροφοριών (Brajnik and Tasso,1994; Brajnik et al., 1987; Kay, 1995), φιλτράρισµα (Balabanovic and Shoham, 1997; Maes 1994; Balabanovic and Shoham, 1995; Chen and Sycara, 19) και εξαγωγή πληροφοριών (Benaki et Al, 1997), προσαρµοστικές διεπαφές χρηστών (Langley,1999; Brusilovsky and Schwartz, 1997; Chin 1989) και προσαρµοστικοί ιστοχώροι (Perkowitz and Etzioni, 1998, 1999; Ardissono and Goy, 2000). Ένα πρότυπο χρηστών πρωτίστως περιέχει πληροφορίες που χαρακτηρίζουν την αλληλεπίδραση του χρήστη µε το σύστηµα και µε άλλους χρήστες, εάν η αλληλεπίδραση µεταξύ των χρηστών υποστηρίζεται. Για παράδειγµα, ένα πρότυπο χρηστών για µια υπηρεσία που παρέχει άρθρα ειδήσεων σε χρήστες περιέχει τις προτιµήσεις ενός χρήστη για την ανάγνωση ειδήσεων. Επιπλέον, ένα πρότυπο χρηστών µπορεί να περιέχει και προσωπικές πληροφορίες για το χρήστη, όπως η ηλικία, το επάγγελµα, κ.λπ... Σε συνέχεια των µοντέλων για µεµονωµένους χρήστες, τα γενικά πρότυπα χρηστών ισχύουν για Μουζακίδης Α., Ντούτσης Χ. 24

28 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). οµάδες χρηστών και χρησιµοποιούνται ευρέως. Ο απλούστερος τύπος ενός γενικού προτύπου είναι η κοινότητα, η οποία αποτελεί και το θέµα αναφοράς αυτού του εγγράφου, η οποία δεν προϋποθέτει τη ρητή παροχή προσωπικών πληροφοριών από τους χρήστες. Εάν οι προσωπικές πληροφορίες είναι διαθέσιµες, τότε τα πρότυπα αυτά καλούνται συχνά στερεότυπα. Ένα στερεότυπο είναι ένα από τους πιο πρωτοεµφανιζόµενους τύπους γενικών προτύπων που εµφανίστηκαν στη βιβλιογραφία (Rich, 1983) και στις µέρες εµφανίζεται συχνά στις ψηφιακές βιβλιοθήκες και τα µουσεία (Esposito et al., 1998; Paternò et al ). Τα στερεότυπα είναι χαρακτηριστικά βασισµένα στην εξωτερική γνώση για το χρήστη, όπως η εµπειρία κάθε χρήστη ή άλλες προσωπικές πληροφορίες. Παραδείγµατος χάριν, ένα στερεότυπο µπορεί να συνδέσει τους χρήστες µιας ορισµένης ηλικίας µε µια συγκεκριµένη κατηγορία ειδήσεων. Εντούτοις, η συλλογή των προσωπικών πληροφοριών είναι µια δύσκολη, ανακριβής και συχνά ανεπιθύµητη διαδικασία. Επιβάλλει ένα φορτίο στο χρήστη, ο οποίος πρέπει να παρέχει πληροφορίες και αυτό µπορεί να παραβιάζει την προσωπικότητα του χρήστη. Για αυτούς τους λόγους, εστιάζουµε στις κοινότητες χρηστών, αντί των στερεοτύπων. Εντούτοις, οι µέθοδοι που χρησιµοποιούνται στις κοινότητες µπορούν εύκολα να επεκταθούν για την συλλογή προσωπικών πληροφοριών ώστε να κατασκευαστούν στερεότυπα χρηστών. Οι τεχνικές µηχανικής µάθησης έχουν εφαρµοστεί για την προτυποποίηση χρηστών, κυρίως για την δηµιουργία των προτύπων από µεµονωµένους χρήστες που αλληλεπιδρούν µε ένα σύστηµα πληροφοριών (Bloedorn et al., 1996; Raskutti and Beitz, 1996; Resnick and Varian, 1997). Σε αυτές τις περιπτώσεις, η χρήση του συστήµατος µεµονωµένα είναι ελεγχόµενη και τα συλλεχθέντα στοιχεία χρησιµοποιούνται για να κατασκευάσουν το πρότυπο του χρήστη, δηλ., τα µεµονωµένα χαρακτηριστικά του. Τέτοιες τεχνικές έχουν χρησιµοποιηθεί σε πολλά agent-based και multi-agent συστήµατα, τα οποία είχαν στόχο να ανακαλύψουν και να προτείνουν πληροφορίες από το διαδίκτυο, όπως το FAB(Balabanovic and Shoham,1997), Syskill & Webert (Pazzani and Billsus, 1997), WebWatcher (Joachims et al., 1997) και το Amalthea (Moukas, 1997). Επιπλέον, οι τεχνικές µηχανικής µάθησης για τη µοντελοποίηση χρηστών χρησιµοποιήθηκε στις ψηφιακές υπηρεσίες βιβλιοθηκών, όπως το IDL (Esposito et Al, 1998), και σε συστήµατα φιλτραρίσµατος ειδήσεων, όπως το News Dude (Billsus and Pazanni, 1999; 2000). Ο κύριος στόχος αυτών των συστηµάτων είναι να µάθουν και να αναθεωρήσουν τα προφίλ των χρηστών ώστε να βοήσουν στην παροχή πληροφοριών για ένα δεδοµένο θέµα που θα ήταν ενδιαφέρον για τον χρήστη. Σε αυτό το έγγραφο αναφερόµαστε σε ένα πιο υψηλό επίπεδο γενίκευσης της συµπεριφοράς των χρηστών, την κατασκευή των κοινοτήτων χρηστών. Εάν υποθέσουµε την ύπαρξη των µεµονωµένων προτύπων για τους χρήστες του συστήµατος, που µπορεί να έχουν κατασκευαστεί µε µια µέθοδο µηχανικής µάθησης, οι κοινότητες χρηστών µπορούν να κατασκευαστούν µε την εφαρµογή των τεχνικών της µηχανής µάθησης στα πρότυπα των χρηστών. Η εικόνα 3.1 παρουσιάζει τα δύο διαφορετικά επίπεδα µηχανικής µάθησης. Στο χαµηλότερο επίπεδο της γραφικής παράστασης, τα µεµονωµένα πρότυπα χρηστών κατασκευάζονται από παρατήρηση της αλληλεπίδρασης του χρήστη µε το σύστηµα. Στο πιο υψηλό επίπεδο, τα πρότυπα χρηστών χρησιµοποιούνται για να δηµιουργήσουν τις κοινότητες. Σηµαντικό είναι το γεγονός ότι σε πολλές περιπτώσεις, η δηµιουργία των µεµονωµένων προτύπων χρηστών δεν είναι δυνατή, π.χ. στις περιοχές ηλεκτρονικού εµπορίου όπου οι χρήστες δεν προσδιορίζονται κατά τη διάρκεια της αλληλεπίδρασής τους µε το σύστηµα. Σε τέτοιες περιπτώσεις, µπορούµε να ανακαλύψουµε κοινότητες µε την εφαρµογή της µηχανικής µάθησης άµεσα στο χαµηλότερο επίπεδο χρήσης των δεδοµένων από τον χρηστή. Μουζακίδης Α., Ντούτσης Χ. 25

29 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). Εικόνα 3.1 ηµιουργία µοντέλων χρηστών που αλληλεπιδρούν µε το σύστηµα σε δυο επίπεδα. Η δηµιουργία των κοινοτήτων χρηστών µπορεί να αυτοµατοποιηθεί µε τη χρήση µιας µεθόδου εκµάθησης, προσδιορίζοντας τις οµοιότητες που υπάρχουν ανάµεσα στους χρήστες στην αλληλεπίδραση τους µε το σύστηµα. Η επιλογή της µεθόδου εξαρτάται κατά ένα µεγάλο µέρος από τα τύπο στοιχεία που είναι διαθέσιµα. Η κύρια διάκριση στη µηχανική µάθησης είναι µεταξύ των εποπτευµένων και ανεπίβλεπτων µεθόδων εκµάθησης. Η εποπτευµένη εκµάθηση απαιτεί ότι τα στοιχεία κατάρτισης για να είναι προ-ταξινοµηµένα. Αυτό σηµαίνει ότι κάθε στοιχείο είναι συνδεµένο µε µια µοναδική ετικέτα, που δηλώνει την κατηγορία στην οποία ανήκει. Το σηµαντικό χαρακτηριστικό γνώρισµα σε αυτή τη προσέγγιση είναι ότι οι περιγραφές της κατηγορίας δηµιουργούνται σχετικά µε την προ-ταξινοµηµένη σειρά των στοιχείων µέσα στο σύνολο κατάρτισης. Αντίθετα, οι ανεπίβλεπτες µέθοδοι εκµάθησης δεν απαιτούν την προ-ταξινοµηµένη κατηγοριοποίηση των στοίχων κατάρτισης. Αυτές οι µέθοδοι διαµορφώνουν τις οµάδες, οι οποίες έχουν τα κοινά χαρακτηριστικά. Όταν η συνοχή µιας οµάδας είναι υψηλή, δηλ., τα παραδείγµατα σε αυτήν είναι πολύ παρόµοια, χαρακτηρίζεται ως κατηγορία. Στα πλαίσια της κατασκευής των κοινοτήτων χρηστών, η προταξινόµηση θα σήµαινε ότι κάθε άτοµο από το σύνολο θα άνηκε σε µια γνωστή κοινότητα. Αυτό είναι µια ασυνήθιστη κατάσταση, σε αντίθεση µε το στόχο που είναι να διαµορφωθούν νέες κοινότητες, µε την εξέταση των οµοιοτήτων µεταξύ των χρηστών. Κατά συνέπεια, η κατασκευή των κοινοτήτων χρηστών είναι ένας χαρακτηριστικός ανεπίβλεπτος τρόπος στην µηχανική µάθησης. Η ανεπίβλεπτη εκµάθησης έχουν προσεγγιστεί µε ποικίλες µεθόδους, που κυµαίνονται από τις τεχνικές στατιστικής συγκέντρωσης µέχρι τα νευρωνικά δίκτυα και τη συµβολική µηχανική µάθηση. Ο κλάδος της συµβολικής µηχανικής µάθηση που χρησιµοποιείτε στην ανεπίβλεπτη εκµάθηση ονοµάζεται εννοιολογική συγκέντρωση και ένας δηµοφιλής αντιπρόσωπος αυτής της προσέγγισης είναι ο αλγόριθµος COBWEB (Fisher, 1987). Αντιπρόσωπος της στατιστικής εκµάθησης είναι η µέθοδος εξόρυξης οµάδων που χρησιµοποιήθηκε στο PageGather (Perkowitz and Etzioni, 1998), ένα σύστηµα που συνδέει τις σελίδες σε έναν ιστοχώρο σύµφωνα µε τη χρήση τους Μελέτη χρήσης του ιαδικτύου (Web Usage Mining) Σε γενικές γραµµές, η κατασκευή προτύπων κοινοτήτων στο διαδίκτυο µε τη χρήση ανεπίβλεπτης εκµάθηση είναι η διαδικασία παρακολούθησης χρήσης του διαδικτύου, όπως περιγράφεται στην περίπτωση του (Cooley, 2000). Οι Κοινότητες είναι στηριγµένες στα στοιχεία που συλλέγονται από τους χρήστες κατά τη διάρκεια της αλληλεπίδρασής τους µε το σύστηµα. Στόχος είναι να προσδιοριστούν τα πρότυπα µε βάση την συµπεριφορά ενδιαφέροντος στα συλλεχθέντα στοιχεία και να βασίσουν τα πρότυπα κοινοτήτων σε αυτά. Η διαδικασία µελέτης χρήσης του ιστού είναι µια φυσική Μουζακίδης Α., Ντούτσης Χ. 26

30 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). επέκταση στους διάφορους στατιστικούς αριθµούς που συλλέγουν συνήθως οι διαχειριστές ενός συστήµατος. Στο επίπεδο ανακάλυψης των προτύπων ενδιαφέροντος, η µελέτη χρήσης µιας υπηρεσίας παρέχει πιο λεπτοµερείς και χρησιµοποιήσιµες πληροφορίες για τη χρήση της υπηρεσίας από την ευρέως χρησιµοποιηµένη στατιστική αναφορά (Paliouras et al, 1999). Εντούτοις, η ανακάλυψη των κοινοτήτων αυτού καθ' αυτού δεν παρέχει περισσότερες πληροφορίες από αυτή που παρέχεται µε το µνήµο-βασισµένο συνεργατικό φιλτράρισµα. Για να µετατραπούν τα πρότυπα που ανακαλύπτονται µε τη µελέτη χρήσης της ανεπίβλεπτης εκµάθησης σε χρήσιµη γνώση, απαιτεί ένα στάδιο περαιτέρω µεταεπεξεργασίας. Το αποτέλεσµα αυτού του σταδίου είναι το πρότυπο κάθε κοινότητας, δηλ., τα χαρακτηριστικά γνωρίσµατά του. Τα στάδια από τα συλλεγµένα δεδοµένα στα πρότυπα κοινοτήτων είναι τα ίδια µε εκείνα που χρησιµοποιούνται για οποιαδήποτε διαδικασία εξόρυξη στοιχείων: Συλλογή δεδοµένων (Data Collection). Κατά τη διάρκεια αυτού του σταδίου, τα στοιχεία από διάφορες πηγές συγκεντρώνονται και το περιεχόµενό τους και η δοµή προσδιορίζεται. Ανάλογα µε τον τύπο πρόσβασης, οι πληροφορίες που συλλέγονται ποικίλλουν: ερωτήσεις,. Προεπεξεργασία στοιχείων (Data Pre-processing). Σ' αυτό το στάδιο τα στοιχεία καθαρίζονται από τα περιττά, οι ασυνέπειές τους διαµορφώνονται, και ενσωµατώνονται και ενοποιούνται, προκειµένου να χρησιµοποιηθούν ως εισαγωγή στο επόµενο στάδιο της ανακάλυψης προτύπων. Σε αυτήν την εργασία, δίνουµε ιδιαίτερη προσοχή στην εξαγωγή των στοιχείων κατάρτισης από ερωτήσεις, προφίλ ή αναφορά προήγησης. Και στις τρεις περιπτώσεις, ο στόχος είναι ο ίδιος: η εφαρµογή µηχανικής µάθησης στα κατάλληλα χαρακτηριστικά γνωρίσµατα που περιγράφουν τη συµπεριφορά του χρήστη και επιτρέπουν την ανακάλυψη των οµοιοτήτων µεταξύ των διαφορετικών χρηστών. Ανακάλυψη προτύπων (Pattern Discovery). Λαµβάνοντας υπόψη τα δεδοµένα στην κατάλληλη µορφή, ενδιαφέροντα πρότυπα ανακαλύπτονται µε τη χρήση των τεχνικών µηχανικής µάθησης, όπως η οµαδοποίηση, η κατηγοριοποίηση, η ανακάλυψη κανόνα ένωσης κ.λπ... Μετα-επεξεργασία προτύπων (Pattern Post-Processing). Σε αυτό το τελευταίο στάδιο, τα πρότυπα αξιολογούνται και µεταφράζονται σε εύχρηστη γνώση, η οποία λαµβάνει συνήθως µια µορφή που είναι κατανοητή στους ανθρώπους, π.χ. µε τη χρησιµοποίηση αναφορών ή τεχνικές απεικόνισης. Στην προσέγγισή µας δίνουµε ουσιαστική προσοχή στο χαρακτηρισµό των κοινοτήτων και την δηµιουργία των προτύπων κοινοτήτων. Ο στόχος είναι να κατασκευαστεί ένα πρωτότυπο πρότυπο για κάθε κοινότητα, η οποία είναι αντιπροσωπευτική των συµµετεχόντων χρηστών και σηµαντικά διαφορετική από τους χρήστες άλλων κοινοτήτων Συλλογή και προεπεξεργασία δεδοµένων Οι αλγόριθµοι εκµάθησης απαιτούν τα δεδοµένα κατάρτισης να µετασχηµατίζονται σε σύνολα αντικειµένων, όπου κάθε αντικείµενο περιγράφεται από ένα σύνολο χαρακτηριστικών γνωρισµάτων. Ένα σηµαντικό ζήτηµα κατά τη προεπεξεργασία των στοιχείων είναι εάν µπορούµε να προσδιορίσουµε τους µεµονωµένους χρήστες. Αυτό είναι απλό όταν υπάρχουν εγγεγραµµένοι χρήστες στην υπηρεσία και κάθε αλληλεπίδραση του χρήστη µε το σύστηµα συνδέεται µεµονωµένα µε έναν ιδιαίτερο κωδικό χρήστη. Οι περισσότερες διαδικτυακές υπηρεσίες είναι ανοικτές στον καθένα και δεν υπάρχει συνήθως κανένας µηχανισµός σε ισχύ για σύλληψη της ταυτότητας του χρήστη. εδοµένου ότι τα στοιχεία δεν µπορούν να διαιρεθούν µε βάση του κωδικούς χρηστών, άλλες τεχνικές πρέπει να καθοριστούν. Ένα άλλο ζήτηµα προεπεξεργασίας είναι η επιλογή του συνόλου χαρακτηριστικών γνωρισµάτων, το οποίο περιγράφει τα αντικείµενα κατάρτισης. Κάθε αντικείµενο είναι ένα καθορισµένου µήκους διάνυσµα χαρακτηριστικών γνωρισµάτων. Εποµένως, ένα περιορισµένο σύνολο χαρακτηριστικών γνωρισµάτων πρέπει να επιλεχτεί, δεδοµένου να µεταφραστούν τα δεδοµένα από την χρήση της υπηρεσίας σε ένα Μουζακίδης Α., Ντούτσης Χ. 27

31 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). σύνολο αντικειµένων Εξόρυξη/ ηµιουργία Οµάδων Η χωρίς επίβλεψη µέθοδος εξόρυξης οµάδων(perkowitz και Etzioni, 1998) ανακαλύπτει τα πρότυπα της κοινής συµπεριφοράς, αναζητώντας κλίκες (cliques) σε ένα γράφο ανάλογα µε τα χαρακτηριστικά γνωρίσµατα των χρηστών. Ο αλγόριθµος αρχίζει µε την κατασκευή ενός γράφου. Οι κορυφές του γράφου αντιστοιχούν στις οντότητες (ιδιότητες ή χρήστες) από τις οποίες θέλουµε να αποτελούνται οι κοινότητες ενώ οι ακµές στις συσχετίσεις τους. Παραδείγµατος χάριν, εάν φτιάχνουµε κοινότητες ιδιοτήτων και η υπηρεσία είναι µια βιβλιοθήκη άρθρων πληροφορικής και οι χρήστες κάνουν ερωτήσεις σχετικά µε "hardware" και "computing methodologies" µια ακµή δηµιουργείται µεταξύ αυτών των κορυφών (εικόνα 3.2). Οι κορυφές και οι ακµές του γράφου συνδέονται µε βάρη, τα οποία υπολογίζονται ως οι συχνότητες από τις επιλογές των χρηστών και οι συνδυασµοί τους αντίστοιχα. Παραδείγµατος χάριν, στο εικόνα 3.2, η κατηγορία "computing methodologies" φαίνεται να είναι η δηµοφιλέστερη µεταξύ των χρηστών της υπηρεσίας και είναι συχνά συνδυάζεται µε τις κατηγορίες software, hardware"και "computing milieux" και λιγότερο µε την κατηγορία "mathematics of computing". Εικόνα 3.2 µη κανονικοποιηµένος γράφος Μια τροποποίηση που κάνουµε στη βασική µέθοδο είναι να οµαλοποιήσουµε τις συχνότητες των ακµών διαιρώντας µε το µέγιστο των συχνοτήτων των δύο κορυφών που συνδέουν. Η επίδραση της κανονικοποίηση είναι να αφαιρεθεί η προτίµηση των χαρακτηριστικών που εµφανίζονται πολύ συχνά σε πολλούς χρήστες. Χρησιµοποιώντας το γράφο στην εικόνα 3.2, ο προκύπτων οµαλοποιηµένος γράφος φαίνεται στην εικόνα 3.3. Μουζακίδης Α., Ντούτσης Χ. 28

32 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). Εικόνα 3.3 κανονικοποιηµένος γράφος. Η συνδετικότητα του προκύπτοντος γράφου είναι συνήθως υψηλή. Για αυτόν τον λόγο η µέθοδος απαιτεί τη χρήση ενός κατώτατου ορίου, στοχεύοντας να µειώσει τον αριθµό ακµών. Στο παράδειγµά µας, εάν το κατώτατο όριο είναι ίσο µε 0,1 η ακµή µεταξύ "mathematics of computing" και των "computing methodologies" χάνεται. Η κατάλληλη τιµή κατώτατων ορίων διαφέρει από εφαρµογή σε εφαρµογή και δεν µπορεί να τεθεί µια σταθερή τιµή Εισαγωγή κοινοτήτων στον PServer Ο Pserver στην νέα του έκδοση 1.5 υποστηρίζει την δηµιουργία κοινοτήτων χρηστών και ιδιοτήτων. Για την υποστήριξη των κοινοτήτων επεκτάθηκε το σύνολο των εντολών που υποστηρίζει και φυσικά το σχήµα της βάσης δεδοµένων. Οι κοινότητες των χρηστών αποτελούνται από ένα υποσύνολο των χρηστών του συστήµατος και έχουν όλες τις ιδιότητες των επιµέρους χρηστών µε τιµή τον µέσω όρο των τιµών τους. Οι κοινότητες των ιδιοτήτων αποτελούνται από ένα υποσύνολο των ιδιοτήτων των χρηστών του συστήµατος. Στην εικόνα 3.4 υπάρχει το νέο σχήµα της βάσης. Στο σχήµα εκτός από τους πίνακες και τις συσχετίσεις για τις κοινότητες άλλαξαν και προστέθηκαν πίνακες για την διαχείριση των χρηστών για να καλυφθεί ένα µικρό κενό που υπήρχε στον Pserver. Οι νέες εντολές του Pserver έρχονται κάτω από το σύνολο του /commu και είναι: 1. Η εντολή mkcom Η εντολή δηµιουργεί κοινότητες χρηστών. Οι παράµετροι της είναι οι algorithm, params και exclude. Στην παράµετρο algorithm δηλώνουµε ποιος αλγόριθµο θέλουµε να χρησιµοποιηθεί για την δηµιουργία των κοινοτήτων. Η παράµετρος params περιέχει τις παραµέτρους του αλγόριθµου και πρέπει να χωρίζονται µε τον χαρακτήρα όταν είναι περισσότερες της µιας. Τέλος το exclude που δεν είναι υποχρεωτικό δηλώνει πια χαρακτηριστικά θέλουµε να εξαιρεθούν στην δηµιουργία των Μουζακίδης Α., Ντούτσης Χ. 29

33 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5). κοινοτήτων. Αν τα χαρακτηριστικά είναι περισσότερα του ενός πρέπει να χωριστούν µε τον χαρακτήρα Παράδειγµα /commu?com=mkcom&algorithm=clustermining&params=0&exclude=firsttime name Η παραπάνω εντολή ζητάει να δηµιουργηθούν κοινότητες χρηστών κάνοντας χρήση του αλγόριθµου ClusterMining µε παράµετρο το 0 (ο συγκεκριµένος αλγόριθµος παίρνει παράµετρο µόνο threshold) και να εξαιρεθούν τα χαρακτηριστικά firsttime και name. 2. Η εντολή mkftrgrp Η εντολή δηµιουργεί κοινότητες χαρακτηριστικών. Συντάσσεται ακριβώς το ίδιο µε την εντολή mkcom Παράδειγµα commu?com=mkftrgrp&algorithm=clustermining&params=0.5&exclude=age country mail occupation password sex stereotype surname name Η εντολή ζητάει να δηµιουργηθούν κοινότητες ιδιοτήτων κάνοντας χρήση του αλγόριθµου ClusterMining µε παράµετρο το 0.5(ο συγκεκριµένος αλγόριθµος παίρνει παράµετρο µόνο threshold) και να εξαιρεθούν οι ιδιότητες age,country,mail,occupation,password,sex,stereotype,surname,name 3. Η εντολή erasecom Η εντολή διαγράφει όλες τις κοινότητες των χρηστών από την βάση. εν δέχεται καµιά παράµετρο και ο λόγος ύπαρξης είναι αποκλειστικά το θέµα διαχείρισης χρηστών. εν πρέπει να υπάρχουν οι κοινότητες αν θέλουµε να διαγράψουµε έναν χρήστη οπότε πρέπει πρώτα να διαγράψουµε τις κοινότητες. Παράδειγµα /commu?com=erasecom 4. Η εντολή eraseftrgrp Η εντολή διαγράφει όλες τις κοινότητες των ιδιοτήτων από την βάση. εν δέχεται καµιά παράµετρο και ο λόγος ύπαρξης είναι αποκλειστικά το θέµα διαχείρισης ιδιοτήτων. εν πρέπει να υπάρχουν οι κοινότητες αν θέλουµε να διαγράψουµε µια ιδιότητα οπότε πρέπει πρώτα να διαγράψουµε τις κοινότητες ιδιοτήτων. Παράδειγµα /commu?com= eraseftrgrp 5. Η εντολή sqlcom Η εντολή εκτελεί ένα sql ερώτηµα πάνω στα χαρακτηρίστηκα των κοινοτήτων των χρηστών. Η χρήση της είναι ίδια µε την usrsql του pers mode του εξυπηρετητή Παράδειγµα /commu?com=sqlcom&user: gianis Η εντολή επιστρέφει όλες τις κοινότητες και τις τιµές τον ιδιοτήτων τους στις οποίες ανήκει ο χρήστης gianis 6. Η εντολή sqlftrgrp Η εντολή εκτελεί ένα sql ερώτηµα πάνω στα χαρακτηρίστηκα των κοινοτήτων ιδιοτήτων. Η χρήση της είναι ίδια µε την usrsql του pers mode του εξυπηρετητή Παράδειγµα /commu?com=sqlftrgrp&whr=* Η εντολή επιστρέφει όλο τον πίνακα ftrgroup_features Μουζακίδης Α., Ντούτσης Χ. 30

34 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5) Οι πίνακες του νέου σχήµατος της βάσης. Communities περιέχει όλα το ονόµατα τον κοινοτήτων των χρηστών. Users προστέθηκε για να κρατάει όλα τα ονόµατα τον χρηστών. Πράγµα που δεν γινόταν πριν και αν σβήνονταν όλες οι ιδιότητες χάνονταν αυτόµατα και όλοι οι χρήστες. User_community περιέχει τους χρήστες και τις κοινότητες που αυτοί ανήκουν. Είναι ο ενδιάµεσος πίνακας για την σχέση ν προς ν που υπάρχει ανάµεσα στις κοινότητες και τους χρήστες. Community_feature περιέχει τις ιδιότητες, τις κοινότητες που ανήκουν και τις τιµές τους στην κοινότητα. Είναι ο ενδιάµεσος πίνακας για την σχέση ν προς µ που υπάρχει ανάµεσα στις κοινότητες και τις ιδιότητες τους. Ftrgroups περιέχει όλες τις κοινότητες βασισµένες στις ιδιότητες. Ftrgroup_featueres περιέχει όλες τις ιδιότητες και τις κοινότητες ιδιοτήτων που ανήκουν (αναλόγως αν ανήκουν έχουν τιµή 1 ή 0). Είναι ο ενδιάµεσος πίνακας στην σχέση ν προς µ που υπάρχει ανάµεσα στις κοινότητες ιδιοτήτων και στις ιδιότητες. Εικόνα 3.4 Το σχήµα της βάσης του PServer v1.5 Στον πίνακα community_feature και στο πεδίο feature_value αποθηκεύεται η τιµή της ιδιότητας για την κοινότητα και είναι ο µέσος όρος τον ιδιοτήτων τον χρηστών που ανήκουν στην κοινότητα. Ενώ στον πίνακα ftrgroup_features στην τιµή value αποθηκεύεται η τιµή 1 αν η ιδιότητα συµµετάσχει στην κοινότητα ιδιοτήτων και 0 αν όχι. Μουζακίδης Α., Ντούτσης Χ. 31

35 Οι νέες τεχνικές εξόρυξης γνώσης του PServer (ver. 1.5) Οι αλγόριθµοι δηµιουργίας κοινοτήτων Το κοµµάτι που αφορά τις κοινότητες σχεδιάστηκε έτσι ώστε να µπορεί να υποστηρίξει επιπλέον αλγόριθµους δηµιουργίας κοινοτήτων µε την µορφή προσθήκης ανεξάρτητων προγραµµατιστικών µονάδων. Έτσι µπορούµε να προσθέσουµε όσους αλγόριθµους θέλουµε χωρίς να χρειάζεται η επαναµεταγλώττιση του Pserver αλλά απλά η προσθήκη των µονάδων αυτών στο σύστηµα. Εµείς δηµιουργήσαµε προγραµµατιστικές υποµονάδες για την δηµιουργία κοινοτήτων µε βάση την τεχνική ClusterMining. Για την δηµιουργία κοινοτήτων χρηστών υπάρχουν δυο εκδόσεις της τεχνικής µε ονόµατα ClusterMining και ClusterMiningCosTh και µια έκδοση για την δηµιουργία κοινοτήτων ιδιοτήτων µε όνοµα ClusterMining, αυτά είναι τα ονόµατα που πρέπει να χρησιµοποιηθούν στην παράµετρο algorithm των εντολών δηµιουργίας κοινοτήτων. H έκδοση ClusterMining για την δηµιουργία κοινοτήτων χρηστών δηµιουργεί έναν γράφο όπου κορυφές είναι οι χρήστες και συνδέονται µε του υπόλοιπους χρήστες όταν κάποια ιδιότητα τους έχει τιµή που διαφέρει το πολύ κατά 5%.Αν στην συνεχεία οι χρήστες έχουν τιµή σύνδεσης µικρότερη του threshold η σύνδεση σπάει, Από τον γράφο που αποµένει υπολογίζονται οι maximal κλίκες που αποτελούν και τις κοινότητες των χρηστών. Η έκδοση ClusterMiningCosTh δουλεύει όπως και η ClusterMining αλλά για το αν υπάρχει σύνδεση στον γράφο υπολογίζεται το συνηµίτονο των διανυσµάτων τον ιδιοτήτων των χρηστών που ελέγχουµε αν συνδέονται και αν αυτό ξεπερνάει την τιµή του threshold τότε υπάρχει σύνδεση. Και στις δυο παραπάνω περιπτώσεις οι συγκρίσεις γίνονται µεταξύ των ποσοστών επί της εκατό την συµµετοχής της κάθε ιδιότητας στο σύνολο ώστε να µην διαχωρίζονται οι χρήστες που επισκέπτονται συχνά το σύστηµα από αυτούς που το χρησιµοποιούν σπάνια αλλά έχουν τα ίδια ενδιαφέροντα. Η έκδοση του ClusterMining για την δηµιουργία των κοινοτήτων ιδιοτήτων δηµιουργεί ένα γράφο όπου κορυφές είναι οι ιδιότητες και αυξάνει η συνδεσιµότητα µεταξύ δύο ιδιοτήτων όταν ένας χρήστης έχει τιµή µεγαλύτερη του µηδενός και στις δυο ιδιότητες. Στην συνέχεια γίνεται κανονικοποίηση και µετά όσες συνδέσεις δεν ξεπερνούν την τιµή threashold κόβονται. Οι κλίκες που υπολογίζονται στην συνεχεία αποτελούν τις ιδιότητες που ορίζουν τις κοινότητες (έχουν τιµή 1 στον πίνακα) Μουζακίδης Α., Ντούτσης Χ. 32

36 Παρουσίαση του συστήµατος 4. Παρουσίαση του συστήµατος 4.1. NewsContentScanner V2.1.2 Η εφαρµογή αποτελεί ένα spider bot που ψάχνει µέσα σε δικτυακούς τόπους (html σελίδες και rss feeds) για πηγές άρθρων και στην συνέχεια παίρνει το περιεχόµενο τους. Έχει αντικαταστήσει τον content scanner που υπήρχε παλιά και αποτελείτε από µια απλή φόρµα που φαίνεται στην εικόνα 4.1. εικόνα 4.1 Το γραφικό περιβάλλον του ContentScanner Χρησιµοποιώντας την διεπαφή της εφαρµογής µπορούµε να ρυθµίσουµε το αν θα χρησιµοποιηθούν νήµατα ή όχι. Έτσι µπορεί να καθυστερεί περισσότερο η ολοκλήρωση της αναζήτησης ειδήσεων αλλά δεν επιβαρύνει τόσο το σύστηµα στο οποίο τρέχει το bot. Επίσης µπορούµε να ζητήσουµε να ξεκινήσει η εφαρµογή αυτόµατα µετά από κάποιο χρονικό διάστηµα που έχουµε ορίσει ώστε να µην χρειάζεται να το κάνουµε µόνοι µας χειροκίνητα. Και τα δυο ρυθµίζονται από το κεντρικό παράθυρο επιλέγοντας τις επιλογές να γίνει χρήση νηµάτων και αυτόµατη επανεκκίνηση της αναζήτησης µετά την λήξη της. Μέσα στο κεντρικό παράθυρο εµφανίζονται οι διαδικασίες που εκτελεί ο ContentScanner και ότι κατάφερε να συλλέξει από κάθε πηγή. Αυτό συµβαίνει για να ξέρει ο διαχειριστής του συστήµατος από πια sites κατάφερε να πάρει άρθρα µε επιτυχία και αν όχι πια κοµµάτια δεν πείρε ώστε να αντιλαµβάνεται γρήγορα αν κάποιος wrapper θέλει διόρθωση. Στο κάτω µέρος της διεπαφής εµφανίζονται πόσες τοποθεσίες αποµένουν να εξετασθούν ακόµα για να τελειώσει η επεξεργασία. Μουζακίδης Α., Ντούτσης Χ. 33

37 Παρουσίαση του συστήµατος 4.2. Content Presenter Ο Content Presenter ξαναφτιάχτηκε σχεδόν από την αρχή αλλά πάνω στην ίδια φιλοσοφία µε την προηγούµενη εφαρµογή. Με την εισαγωγή ενός χρήστη στο σύστηµα αντί να του εµφανίζει όλες τις ειδήσεις λόγο του όγκου των πηγών προτιµήθηκε να του εµφανίζεται ένα εισαγωγικό java applet µε µηνύµατα καλωσορίσµατος εικόνα 4.2 Η εισαγωγική εικόνα της εφαρµογής όταν δεν έχει εισαχθεί ο χρήστης Στην κεντρική οθόνη µπορεί να δει άρθρα από µια πηγή ή κατηγορία ανάλογα µε την επιλογή που θα κάνει. Επίσης µπορεί να κάνει αναζήτηση ή να δει άρθρα από το αρχείο νέων. Σε όλες τις περιπτώσεις τα άρθρα εµφανίζονται µε τυχαία σειρά. Αν ο χρήστης αποφασίσει να εισαχθεί στο σύστηµα του εµφανίζονται στην αρχική σελίδα όλες οι ειδήσεις που υπάρχουν στο σύστηµα και έχουν ανακτηθεί την τελευταία µέρα. Η εµφάνιση πλέον των ειδήσεων από όλη την εφαρµογή δεν είναι τυχαία αλλά ταξινοµηµένη αναλόγως µε τις προτιµήσεις του χρήστη (εικόνα 4.3). Επίσης όλες οι επιλογές και οι κινήσεις (δηλαδή τα κλικ που κάνει σε κάθε υπέρσύνδεσµο) του χρήστη πλέον καταγράφονται ώστε να µπορέσουµε να δηµιουργήσουµε το προφίλ του χρήστη ανάλογα µε ενδιαφέροντα του και να επιτύχουµε όσο το δυνατό καλύτερη εξατοµίκευση. Μουζακίδης Α., Ντούτσης Χ. 34

38 Παρουσίαση του συστήµατος εικόνα 4.3 Η εισαγωγική εικόνα της εφαρµογής όταν έχει γίνει είσοδος χρήστη Όταν ο χρήστης επιλέξει να δει ένα άρθρο του εµφανίζεται ένα νέο παράθυρο που περιέχει το λογότυπο της εφαρµογής στο πάνω µέρος και η ιστοσελίδα που περιέχει ολόκληρο το άρθρο (εικόνα 4.4). Είτε είναι «γνωστός» στο σύστηµα ο χρήστης είτε όχι αν το άρθρο που επέλεξε ανήκει σε µια κοινότητα ιδιοτήτων του εµφανίζεται η επιλογή «Άλλα άρθρα που µπορεί να τον ενδιαφέρουν» εικόνα 4.4 Το παράθυρο που εµφανίζεται όταν ο χρήστης επιλέξει να δει ολόκληρο το άρθρο Μουζακίδης Α., Ντούτσης Χ. 35

39 Παρουσίαση του συστήµατος Αν ο χρήστης θελήσει να δει τι άρθρα του προτείνει το σύστηµα του εµφανίζονται από τις κοινότητες που ανήκει η επιλογή του, τα πέντε δηµοφιλέστερα άρθρα (εικόνα 4.5). εικόνα 4.5 Το παράθυρο που εµφανίζει τα προτεινόµενα άρθρα Το σύστηµα µπορεί να ταξινοµήσει τα άρθρα και µε βάση των κοινοτήτων που ανήκει ο επισκέπτης που έχει εισαχθεί στο σύστηµα. Τα βάρη υπολογίζονται µε βάση τον µέσο όρο των τιµών των ιδιοτήτων από τις κοινότητες που ανήκει ο χρήστης (εικόνα 4.6). εικόνα 4.6 Τα άρθρα ταξινοµηµένα βάσει των προτιµήσεων όµοιων χρηστών Μουζακίδης Α., Ντούτσης Χ. 36

40 Παρουσίαση του συστήµατος Οι σελίδες της δηµιουργίας χρήστη, της εµφάνισης των ειδήσεων µε βάση το στερεότυπο, της αξιολόγησης και της βοήθειας έχουν αλλάξει ελάχιστα και µόνο στα χρώµατα ώστε να ταιριάζει µε την νέα εµφάνιση της εφαρµογής. εικόνα 4.7 Η φόρµα αξιολόγησης του συστήµατος εικόνα 4.8 Η φόρµα δηµιουργίας του στερεοτύπου για την περίπτωση που δεν έγινε κατά την δηµιουργία χρήστη Μουζακίδης Α., Ντούτσης Χ. 37

41 Παρουσίαση του συστήµατος εικόνα 4.8 Η σελίδα βοήθειας εικόνα 4.9 Η σελίδα σεναρίων χρήσης του συστήµατος Στην σελίδα παρουσίασης των σεναρίων χρήσης έχουν προστεθεί τα σενάρια χρήσης των κοινοτήτων των άρθρων και των χρηστών. Μουζακίδης Α., Ντούτσης Χ. 38

42 Παρουσίαση του συστήµατος 4.3. Content Indexing Database, Personalization database Στην βάση content indexing database έγιναν αρκετές αλλαγές στα πεδία της ενώ στην βάση του εξυπηρετητή εξατοµίκευσης απλά προστέθηκαν µερικοί πίνακες και πεδία. Στους παρακάτω πίνακες επεξηγούνται οι αλλαγές. Content Indexing Database Πίνακας Content_wrapper Περιέχει την απαραίτητη πληροφορία για την σωστή εξαγωγή του άρθρου από µια σελίδα Content_wrapper contentgrabberid sourceid startoftitleregex endoftitleregex startofcontentregex endofcontentregex Το κλειδί του πίνακα Το κλειδί του πίνακα source_category Η κανονική έκφραση που υποδηλώνει την αρχή του τίτλου Η κανονική έκφραση που υποδηλώνει ότι τελειώνει τίτλος Η κανονική έκφραση που υποδηλώνει την αρχή του περιεχοµένου Η κανονική έκφραση που υποδηλώνει ότι τελειώνει το περιεχόµενο Πίνακας html_wrapper Περιέχει την απαραίτητη πληροφορία για την σωστή εξαγωγή των διευθύνσεων που βρίσκονται τα άρθρα µέσα από html σελίδες Html_wrapper id sourceid startoflinkregex relativepath Το κλειδί του πίνακα Το κλειδί του πίνακα source_category Η κανονική έκφραση που υποδηλώνει την αρχή υπέρ-σύνδεσης άρθρου Η διαδροµή που πρέπει να προστεθεί ώστε να δηµιουργηθεί η σωστή διαδροµή που βρίσκονται τα άρθρα Πίνακας news_category Περιέχει τις κατηγορίες των ειδήσεων. news_category News_id News_subject News_subject_ingreek Το κλειδί του πίνακα Το όνοµα της κατηγορίας στα αγγλικά Το όνοµα της κατηγορίας στα ελληνικά Μουζακίδης Α., Ντούτσης Χ. 39

43 Παρουσίαση του συστήµατος Πίνακας news_content Περιέχει όλες τις πληροφορίες των άρθρων που έχουν αποθηκευτεί στο σύστηµα news_content News_id Title Category NDate Source File Url Sentence Το κλειδί του πίνακα Ο τίτλος του άρθρου Το κλειδί στον πίνακα news_category που δείχνει σε ποια κατηγορία ανήκει Η ηµεροµηνία που αποθηκεύτηκε το άρθρο στο σύστηµα Το κλειδί στον πίνακα source_name που δείχνει από ποια πηγή τραβήχτηκε το άρθρο Το αρχείο στον δίσκο που σώθηκε το περιεχόµενο του άρθρου Το url από όπου ανακτήθηκε Η περιγραφή της είδησης Πίνακας source_category Περιέχει όλες τις πληροφορίες για τις περιοχές στο διαδίκτυο που θα ψάξει να βρει ειδήσεις το σύστηµα. Όπως επίσης και το είδος της σελίδας, αν είναι δηλαδή rss feed ή απλά html σελίδα. source_category id url categoryid sourceid isxml Το κλειδί του πίνακα To url από όπου θα αναζητηθούν άρθρα Το κλειδί του πίνακα news_category που δείχνει την κατηγορία που θα ανήκουν όσα άρθρα θα ανακτηθούν Το κλειδί του πίνακα source_name που δείχνει την πηγή που θα ανήκουν όσα άρθρα θα ανακτηθούν Περιγράφει τον τύπο του τόπου που θα αναζητηθούν άρθρα. Έχει την τιµή true αν είναι ένα rss feed και κατά συνέπεια ένα xml αρχείο, ενώ έχει την τιµή false αν είναι ένα απλό html αρχείο Πίνακας source_name Περιέχει όλες τις δηµοσιογραφικές πυγές του διαδικτύου από όπου αναζητούνται άρθρα Source_name Source_id Source_name Source_url Το κλειδί του πίνακα Το όνοµα της δηµοσιογραφικής πηγής Ο δικτυακός τόπος της δηµοσιογραφικής πηγής Μουζακίδης Α., Ντούτσης Χ. 40

44 Παρουσίαση του συστήµατος Personalization database Το νέο σχήµα της βάσης του PServer V1.5 φαίνεται στην εικόνα 4.9. Στους πίνακες που ακολουθούν περιγράφονται τα νέα πεδία που προστέθηκαν εικόνα 4.9 Το σχήµα της βάσης του PServer V1.5 Πίνακας Users Ο πίνακας προστέθηκε για να αποθηκεύονται τα ονόµατα των χρηστών του εξυπηρετητή users User Το κλειδί του πίνακα. Αποτελεί το όνοµα του χρήστη Πίνακας communities Περιέχει τα ονόµατα των κοινοτήτων χρηστών που έχουν δηµιουργηθεί. communities community Το κλειδί του πίνακα. Αποτελεί το όνοµα της κοινότητας Μουζακίδης Α., Ντούτσης Χ. 41

45 Παρουσίαση του συστήµατος Πίνακας user_community Περιέχει τα ονόµατα χρηστών και σε ποια κοινότητα ανήκουν user_community user community Το κλειδί του πίνακα users Το κλειδί του πίνακα communitie. Πίνακας community_feature Περιέχει τις ιδιότητες των κοινοτήτων χρηστών και τις τιµές αυτών community_feature community feature feature_value Το κλειδί του πίνακα communities Το κλειδί του πίνακα features H τιµή της ιδιότητας στην κοινότητα Πίνακας ftrgroups Περιέχει τις ονοµασίες των κοινοτήτων των ιδιοτήτων. ftrgroups group Το κλειδί του πίνακα και όνοµα της κοινότητας Πίνακας ftrgroup_features Περιέχει πια χαρακτηριστικά συµµετέχουν στην κοινότητα ftrgroup_features feature_group Το κλειδί του πίνακα ftrgroups feature_name Το κλειδί του πίνακα up_features value Η τιµή της ιδιότητας (0 ή 1) Μουζακίδης Α., Ντούτσης Χ. 42

46 Μελλοντικές Προοπτικές Με αυτή την ενότητα ολοκληρώνεται η συγγραφή της πτυχιακής εργασίας. Στις παρακάτω παραγράφους περιγράφονται οι αλλαγές και βελτιώσεις που µπορούν να γίνουν στην εφαρµογή. Επίσης αναλύονται τα συµπεράσµατα και προοπτικές εξέλιξης του συστήµατος που αναπτύχθηκε στα πλαίσια της εργασίας, έτσι ώστε οι υπηρεσίες εξατοµίκευσης να γίνουν πιο ολοκληρωµένες και πλήρεις. Οι δυνατότητες εξέλιξης της υπηρεσία εξατοµικευµένης ενηµέρωσης που αναπτύχθηκε είναι αρκετές και µπορούν να βοηθήσουν στην πληρότητα της εφαρµογής. Οι βελτιώσεις και επεκτάσεις που µπορούν να γίνουν δεν αφορούν µόνο τον τοµέα της εξατοµίκευσης αλλά και τον τοµέα της εξαγωγής πληροφορίας. Αλλαγές και βελτιώσεις µπορούν να γίνουν στις λειτουργικές µονάδες του Content Server, δηλαδή στον Σαρωτή Περιεχοµένου (Content Scanner) και τον Επιλογέα Περιεχοµένου (Content Selector). Οι βελτιώσεις που µπορούν να γίνουν στον Σαρωτή Περιεχοµένου επικεντρώνονται κυρίως στον τοµέα των προγραµµάτων wrapper. Οι κανονικές εκφράσεις που χρησιµοποιούνται από τους wrappers, δηµιουργούνται κατόπιν µελέτης της δοµής και του τρόπου παρουσίασης των υπό εξαγωγή πληροφοριών της υποψήφιας σελίδας. Λόγω όµως των συχνών αλλαγών της δοµής των ιστοσελίδων θα πρέπει να παρακολουθούνται συνέχεια τα δεδοµένα που εξάγονται από τον Σαρωτή. Στη βιβλιογραφία έχουν παρουσιαστεί πολλές προσπάθειες αντιµετώπισης των προβληµάτων αυτών. Θα ήταν ιδιαίτερα χρήσιµο να αυτοµατοποιηθεί η όλη διαδικασία δηµιουργίας των wrappers µε την χρήση τεχνικών µηχανικής µάθησης και τεχνικών ανάλυσης φυσικής γλώσσας. Η διαδικασία αυτοµατοποίησης ονοµάζεται wrapper induction. Πέρα όµως από την δηµιουργία των wrappers είναι απαραίτητο να ελέγχεται αυτόµατα από το σύστηµα αν οι πληροφορίες και τα δεδοµένα που εξάγονται και αποθηκεύονται στην Βάση Περιεχοµένου είναι τα σωστά, δηλαδή αυτά για τα οποία δηµιουργήθηκαν τα προγράµµατα wrappers. Η διαδικασία επαλήθευσης των wrappers (wrapper verification) είναι απαραίτητο να συνδυασθεί µε την διαδικασία αυτόµατης δηµιουργίας wrappers έτσι ώστε όταν αλλάζει η δοµή µιας ιστοσελίδας και δεν εξάγονται τα σωστά δεδοµένα να γίνεται αυτόµατα εκκίνηση της διαδικασίας δηµιουργίας νέου wrapper. Η δηµιουργία ενός γραφικού περιβάλλοντος για την διαχείριση των κανονικών εκφράσεων των ιστοσελίδων για την εξαγωγή άρθρων θα επιτάχυνε την εισαγωγή νέων τοποθεσιών και θα έκανε πιο εύχρηστη την εφαρµογή. Επίσης ο εµπλουτισµός της υπηρεσίας µε περισσότερες πηγές και κατηγορίες ειδήσεων έτσι ώστε να είναι πιο πλούσιο το περιεχόµενο και άρα πιο πλήρης η ενηµέρωση. Αυτό θα έχει ως αποτέλεσµα να γίνουν βελτιώσεις και στον τοµέα της εξατοµίκευσης µιας και η πληθώρα των ειδήσεων θα µας δίνει την δυνατότητα να τις επεξεργαστούµε ως προς το ίδιο το περιεχόµενο και να εξαχθούν χρήσιµα συµπεράσµατα τα οποία θα εκλεπτύνουν τον µηχανισµό εξατοµίκευσης. Για την επεξεργασία του κειµένου της είδησης µπορούν να χρησιµοποιηθούν τεχνικές Μηχανικής Μάθησης που αφορούν την επεξεργασία φυσικής γλώσσας. Ένα από τα προβλήµατα αυτής της προσέγγισης είναι φυσικά η δυσκολία επεξεργασίας και συσχετισµού ειδήσεων σε διαφορετικές γλώσσες. Προοπτικές των συστηµάτων εξατοµικευµένης ενηµέρωσης Τα συστήµατα εξατοµικευµένης ενηµέρωσης στον Ιστό βρίσκονται ακόµα στα πρώτα στάδια εξέλιξής τους. Η πορεία αλλαγής και δηµιουργίας πιο έξυπνων συστηµάτων εξατοµικευµένης ενηµέρωσης περνάει µέσα από τη µελέτη και εξέλιξη των συστηµάτων εξατοµίκευσης γενικότερα, αφού ουσιαστικά ο τοµέας της εξατοµικευµένης ενηµέρωσης στηρίζεται στις εξελίξεις των εξατοµικευµένων συστηµάτων. Στην ενότητα αυτή θα δούµε τις µελλοντικές προοπτικές των συστηµάτων εξατοµίκευσης γενικότερα, οι οποίες θα βοηθήσουν στην περαιτέρω εξέλιξη των συστηµάτων ενηµέρωσης. Μουζακίδης Α., Ντούτσης Χ. 43

47 Όσο το ιαδίκτυο ωριµάζει και οι διεπαφές των χρηστών γίνονται όλο και πιο πολύπλοκες και σύνθετες, ο ρόλος της εξατοµίκευσης, οι στόχοι και τα µέσα για να επιτευχθούν αυτοί οι στόχοι πρέπει να αλλάξουν. Για να εµπλουτιστεί η εξατοµίκευση που προσφέρεται στους χρήστες, είναι σηµαντικό να αναπτυχθεί ένας τρόπος µέτρησης της επιτυχίας της προσέγγισης εξατοµίκευσης και χρήσης αυτών των αποτελεσµάτων έτσι ώστε να βελτιωθεί η ποιότητα αλλά και η εµπειρία που αποκοµίζουν οι χρήστες. Τεχνικά αυτό σηµαίνει την αλλαγή των σηµερινών αλγορίθµων και τεχνικών εξατοµίκευσης, έτσι ώστε τα συστήµατα να δέχονται σαν είσοδο και τα αποτελέσµατα της αξιολόγησης. Στην ιδανική περίπτωση, θα πρέπει να αναπτυχθεί µια εγγενής δυνατότητα µάθησης στις τεχνικές εξατοµίκευσης του µέλλοντος έτσι ώστε η εξατοµίκευση να είναι πιο επιτυχηµένη. Μια άλλη σηµαντική προοπτική για το µέλλον και σίγουρα µια πολύ σηµαντική ευκαιρία έρευνας είναι η εφαρµογή των τεχνικών εξατοµίκευσης σε άλλα πεδία της τεχνολογίας της πληροφορίας (IT). Τέτοιες είναι τα κινητά τρίτης γενιάς, τα τηλεφωνικά κέντρα και τα PDA. Πρόκειται για ταχύτατα αναπτυσσόµενες τεχνολογίες, µε τις οποίες οι χρήστες εξοικειώνονται πολύ εύκολα και γρήγορα. Οι εξατοµικευµένες τεχνικές που έχουν δηµιουργηθεί για τον Ιστό µπορούν να χρησιµοποιηθούν σε αυτές τις τεχνολογίες, αλλά και αντίστροφα η εξατοµίκευση στον Παγκόσµιο Ιστό µπορεί να κερδίσει από την έρευνα στη χρήση της εξατοµίκευσης σε αυτές τις τεχνολογίες. Πιο ενδιαφέρουσα θα ήταν η συνδυασµένη χρήση της εξατοµίκευσης τόσο σε αυτές τις τεχνολογίες όσο και στον Παγκόσµιο Ιστό. Για παράδειγµα στην περίπτωση που εξατοµικευµένο περιεχόµενο προσφέρεται σε ένα χρήστη ο οποίος χρησιµοποιεί έναν υπολογιστή γραφείου στη δουλειά του και ένα PDA όταν βρίσκεται σε κίνηση, θα πρέπει να εξεταστεί πώς γίνεται να εξατοµικευτεί το περιεχόµενο για µέγιστη ικανοποίηση του χρήστη λαµβάνοντας υπ όψη τους περιορισµούς και τα χαρακτηριστικά κάθε ξεχωριστής τεχνολογίας. Για να υποστηριχτεί ένα τέτοιο σύστηµα το οποίο είναι ανεξάρτητο συσκευής θα πρέπει να δηµιουργηθούν νέοι τρόποι αναπαράστασης της πληροφορίας. Τέλος υπάρχει ανάγκη για την αξιοποίηση της εξατοµίκευσης σε πιο σύνθετα προϊόντα και υπηρεσίες. Υπάρχουν περιπτώσεις που το σύστηµα µαντεύει τις προτιµήσεις του χρήστη χωρίς αυτός να τις έχει δηλώσει ρητά. Είναι εύκολο να προταθεί ένα προϊόν που έχει δηλώσει ο χρήστης ότι τον ενδιαφέρει ή ένα παρόµοιο µε κάποιο παλιότερο που έχει αγοράσει. Είναι όµως δύσκολο να προταθεί ένα προϊόν από το σύστηµα το οποίο ο χρήστης δεν έχει ξαναδοκιµάσει. Μια τέτοια προοπτική είναι πάρα πολύ σηµαντική καθώς εισάγει τον χρήστη σε νέες αγορές. Για να επιτευχθεί αυτό απαιτούνται πολυπλοκότερα συστήµατα τα οποία λαµβάνουν υπ όψη τους περισσότερο τους ψυχολογικούς και γνωσιακούς παράγοντες παρά τις παραµέτρους που θέτουν οι επιστήµονες της πληροφορικής. Έτσι τα συστήµατα θα εξελιχθούν σε πιο επιτυχηµένα συστήµατα εξατοµίκευσης που θα παρέχουν στους τελικούς χρήστες την δύναµη του καθορισµού του τι να κάνουν στους υπολογιστές και τους πράκτορές τους (agents), τι θέλουν, τι χρειάζονται και πότε το θέλουν και το χρειάζονται [Riecken, 2000]. Μουζακίδης Α., Ντούτσης Χ. 44

48 Παράρτηµα Α Παράρτηµα Α Εγκατάσταση και διαχείριση του συστήµατος Το σύστηµα αποτελείται από τα αρχεία των βάσεων δεδοµένων, τον NewsContentScanner, την web εφαρµογή Personalized News Service και τον Pserver V1.5. Για να δουλέψουν όλα µαζί πρέπει να εγκατασταθούν,να ρυθµιστούν και χρησιµοποιηθούν µε µια συγκεκριµένη σειρά. Όλο το σύστηµα έχει γραφτεί µε την τεχνολογία της java και εποµένως για να τρέξει χρειάζεται java virtual machine έκδοση 1.5.x. και για την web εφαρµογή κάποιος Application server που υποστηρίζει το api JSP 1.2. Το σύστηµα έχει δοκιµαστεί µόνο σε περιβάλλον µε λειτουργικό windows xp αλλά έχει φτιαχτεί έτσι ώστε να µπορεί να τρέξει σε οποιοδήποτε σύστηµα υπάρχει έκδοση java virtual machine (linux, bsd. Solaris, Mac OS) προσέχοντας ο κώδικας του να κρατήσει στο ακέραιο την ανεξαρτησία πλατφόρµας που παρέχει η java. Εγκατάσταση των βάσεων δεδοµένων Το σύστηµα έχει τρία αρχεία βάσεων δεδοµένων τύπου ms access. Τα αρχεία αυτά πρέπει να συνδεθούν µε συµβολικά ODBC ονόµατα Start -> Control Panel -> Administrative Tools -> Data Sources (ODBC) -> Add + (τις αντίστοιχες ρυθµίσεις). Τα ονόµατα που πρέπει να µπουν για να δουλέψει η εφαρµογή ως έχει και χωρίς να γίνουν αλλαγές σε αρχεία ρυθµίσεων είναι Για το αρχείο Content Indexing Database.mdb πρέπει να δηµιουργηθεί το όνοµα CID Η βάση Content Indexing Database χρησιµοποιείται από τις εφαρµογές NewsContentScanner και Content Presenter οπότε στην περίπτωση που επιλεχθεί διαφορετικό συµβολικό όνοµα πρέπει να γίνουν αλλαγές στα αρχεία ρυθµίσεων αυτών των εφαρµογών. Για το αρχείο evaluation.mdb πρέπει να δηµιουργηθεί το όνοµα eval. Η βάση αυτή χρησιµοποιείτε µόνο από τον Content Presenter και αν αλλάξει το όνοµα πρέπει να αλλάξει ο κώδικας στο αρχείο evaluation.jsp και να αλλάξει το κοµµάτι του κώδικα που κάνει την σύνδεση µε την βάση. Για το αρχείο pers.mdb πρέπει να δηµιουργηθεί το όνοµα pers_new. Η βάση αυτή χρησιµοποιείται από τον Pserver V1.5 και αν χρησιµοποιηθεί άλλο άνοµα πρέπει να γίνει αλλαγή στο αρχείο ρυθµίσεων του Pserver. Εγκατάσταση και ρύθµιση του NewsContentScanner V2.1.2 Για την εγκατάσταση του NewsContentScanner και την επιτυχή εκκίνηση του δεν χρειάζονται ρυθµίσεις. Ωστόσο χρειάζονται ρυθµίσεις αν θέλουµε να ρυθµίσουµε την χρονική περίοδο που θα ελέγχει η εφαρµογή για νέα άρθρα., τον φάκελο που θα αποθηκευτεί το περιεχόµενο των άρθρων, η συµβολοσειρά διασύνδεσης µε την βάση δεδοµένων που χρησιµοποιεί ο java jdbc driver ή τον Java driver που θα χρησιµοποιηθεί για την διαχείριση της βάσης. Τα δύο τελευταία µας ενδιαφέρουν µόνο αν δεν έχουµε βάλει το εξ υπονόησης όνοµα για το αρχείο Content Indexing Database.mdb ή ακόµα και αν έχουµε βάλει διαφορετικό σύστηµα διαχείρισης βάσης δεδοµένων. Η εφαρµογή χρησιµοποιεί SQL που οφείλει να µπορεί να δεχτεί οποιοδήποτε σύγχρονα RDBMS. Οι τιµές που χρειάζονται αναλόγως το RDBMS για τα δυο πεδία µπορούν να βρεθούν από τα εγχειρίδια των οδηγών διασύνδεσης JDBC για το συγκεκριµένο RDBMS. Η διαχείριση των ρυθµίσεων της εφαρµογής µπορεί να γίνει είτε πειράζοντας το αρχείο config.xml που βρίσκεται κάτω από το bin/newsscanner είτε από το παράθυρο ρυθµίσεων (εικόνα Α.1). Αν το αρχείο config.xml διαγραφεί τότε η εφαρµογή θα το ξαναδηµιουργήσει. Μουζακίδης Α., Ντούτσης Χ. 45

49 Παράρτηµα Α Εικόνα Α.1 Η φόρµα διαχείρισης του NewsContentScanner Εγκατάσταση και ρύθµιση του Content Presenter O Content Presenter είναι µια web εφαρµογή. Η εγκατάσταση και η εκτέλεση της εξαρτάται από τον application server που θα χρησιµοποιηθεί για να εκτελεστεί. Στην περίπτωση που η εφαρµογή τρέξει µε τον application server tomcat έκδοση 5.x αρκεί να τοποθετηθεί ο φάκελο pns κάτω από τον φάκελο webapps. Ο content Presenter µπορεί να εγκατασταθεί σε ξεχωριστό υπολογιστικό σύστηµα από τον Pserver, αν γίνει αυτό ή αν ο Pserver δεν έχει ρυθµιστεί να ακούει στην «πόρτα» 1111 ή αν θέλουµε η αναµονή την απάντηση από τον Pserver να µην είναι η εξ υπονόησης ή αν θέλουµε να µεταφέρονται τα δεδοµένα µε την µέθοδο post και όχι µε την µέθοδο get πρέπει να δηµιουργήσουµε ή να πειράξουµε το αρχείο conf.txt που βρίσκεται κάτω από τον φάκελο του πακέτου pns των java beans της εφαρµογής. Η γραµµογράφηση του αρχείου πρέπει να είναι η ακόλουθη. host="ip/domain" timeout=time port=port post=true/false Η σειρά που θα µπουν η ρυθµίσεις δεν παίζουν ρόλο, αν το αρχείο δεν υπάρχει ή έχει κάποιο λάθος θα χρησιµοποιηθούν οι εξ υπονόησης ρυθµίσεις host= port=1111 post=true και timeout=10000 Ο Content Presenter πλέον δουλεύει µε τέτοιο τρόπο που δηµιουργεί αυτόµατα τις ιδιότητες των χρηστών στον Pserver όπως επίσης ενηµερώνεται για όλες τις κατηγορίες και πηγές αυτόµατα από την βάση κατά την εκκίνηση της εφαρµογής. Για τον λόγο αυτό κάθε φορά που προσθέτουµε νέες πηγές ή κατηγορίες ειδήσεων που ανήκουν σε αυτές πρέπει να γίνεται επανεκκίνηση της web εφαρµογής. Στον Tomcat επιτρέπεται η επανεκκίνηση µιας µόνο εφαρµογής χωρίς να χρειάζεται την επανεκκίνηση του εξυπηρετητή αλλά αυτό δεν είναι δυνατό σε όλους τους application servers. Εγκατάσταση και ρύθµιση του PServer V1.5 Για την εγκατάσταση και διαχείριση του Pserver δεν χρειάζεται κάτι περισσότερο από ότι χρειαζόταν στις προηγούµενες ρυθµίσεις του. Υπάρχει σχετική τεκµηρίωση στα εγχειρίδια του PServer. Αυτό που πρέπει να προσεχθεί είναι η επαναδηµιουργία κοινοτήτων χρηστών και ιδιοτήτων κάθε φορά που προστίθενται ιδιότητες στην βάση ώστε να υπάρχουν οι τιµές και για αυτές τις ιδιότητες για την ορθή συνεργασία µε τον Content Presenter. Μουζακίδης Α., Ντούτσης Χ. 46