ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΠΛΗΡΟΦΟΡΙΚΗΣ

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΠΛΗΡΟΦΟΡΙΚΗΣ Δημιουργία διαδικτυακής εφαρμογής παρακολούθησης ιστολογίων με λειτουργίες προσωποποίησης και αποδοτικής αναζήτησης Διπλωματική Εργασία στα πλαίσια του μεταπτυχιακού προγράμματος σπουδών Ε.Τ.Υ. Μαγαρισιώτης Κωνσταντίνος Α.Μ. 794 Οκτώβριος 2012

2 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Δημιουργία διαδικτυακής εφαρμογής παρακολούθησης ιστολογίων με λειτουργίες προσωποποίησης και αποδοτικής αναζήτησης Διπλωματική Εργασία Του Μαγαρισιώτη Κωνσταντίνου Α.Μ. 794 ΕΤΥ Επιβλέπων Καθηγητής Γαροφαλάκης Ιωάννης Εξεταστική Επιτροπή Γαροφαλάκης Ιωάννης Μεγαλοοικονόμου Βασίλειος Χατζηλυγερούδης Ιωάννης Πάτρα Οκτώβριος

3 Περιεχόμενα Ευχαριστίες... 9 Περίληψη Abstract ο Κεφάλαιο Εισαγωγή Αντικείμενο Εργασίας Δομή Εργασίας ο Κεφάλαιο - Blogs Εισαγωγή Ορισμός του blog Είδη blogs Προσωπικά Ιστολόγια Εταιρικά Ιστολόγια (Corporate Blogs) Ιστολόγια ανάλογα με το θέμα (by genre) Ιστολόγια ανάλογα με το είδος (by media) Ιστολόγια ανάλογα με τη συσκευή (by device) Χρησιμότητα, οφέλη και μειονεκτήματα Τεχνολογίες που σχετίζονται με τα ιστολόγια Multimedia Εισαγωγή Εφαρμογές Multimedia και το μέλλον Blogs & Multimedia Συμπεράσματα Web Search & SEO Εισαγωγή Μηχανές Αναζήτησης SEO SEO & Blogs ο Κεφάλαιο - Εξατομίκευση Εισαγωγή Βασικές Λειτουργίες

4 3.3 Φιλτράρισμα Πληροφοριών Εισαγωγή Collaborative Τεχνική Content based Τεχνική Utility based τεχνική Knowledge based τεχνική Υβριδικές Τεχνικές Επιπλέον Τεχνικές Μετρικές Ομοιότητας Εισαγωγή Ευκλείδεια Απόσταση Μέθοδος Συνημίτονου Jaccard Index Pearson Correlation Tf-Idf Η εξατομίκευση στο The Researcher Εισαγωγή Εύρεση Όμοιων Χρηστών Πρόταση Ιστολογίων Πρόταση Άρθρων Αποτίμηση ο Κεφάλαιο Τεχνολογίες Υλοποίησης Εισαγωγή Codeigniter HTML Τι είναι η Html Εκδόσεις της Html Γλώσσες προγραμματισμού στο internet Δημιουργία αρχείων HTML PHP Τι είναι η PHP CURL

5 4.4.3 DOM XPATH APC CSS Τι είναι το CSS Πλεονεκτήματα CSS MySQL EasyPHP ο Κεφάλαιο - Τεχνική Περιγραφή Συστήματος Εισαγωγή Βάση Δεδομένων Η αρχική σελίδα Το σύστημα Το Προφίλ Home Page Likes, μετρικές ιστολογίων και κατηγοριών Δημιουργία λέξεων κλειδιών και εύρεση άρθρων Συντήρηση βάσης ο Κεφάλαιο Αποτίμηση & Επεκτάσεις Εισαγωγή Online Testing Τοπική Αναζήτηση Επεκτάσεις Βιβλιογραφία

6 Πίνακας Εικόνων Εικόνα 2. 1:: Blogger, μία πλατφόρμα δημιουργίας blogs Εικόνα 2. 2: Προσωπικό Blog Εικόνα 2. 3: Προσωπικό Blog Εικόνα 2. 4:Προσωπικό Blog Εικόνα 2. 5: : Η ανάπτυξη των blogs 03/ / Εικόνα 2. 6: Η χρήση των εταιρικών blogs Εικόνα 2. 7: Εταιρικό Blog Εικόνα 2. 8: Πολιτικό Blog Εικόνα 2. 9: Art Blog Εικόνα 2. 10: Fashion Blog Εικόνα 2. 11: Travel Blog Εικόνα 2. 12: Music Blog Εικόνα 2. 13: Photoblog σε ξεχωριστό domain Εικόνα 2. 14: Photoblog σε ειδική υπηρεσία Εικόνα 2. 15: Photoblog στο wordpress Εικόνα 2. 16: Η αύξηση των vlogs '05 έως 08 Εικόνα 2. 17: Παράδειγμα vlog Εικόνα 2. 18: LinkLog Εικόνα 2. 19: Tumblelog Εικόνα 2. 20: moblog Εικόνα 2. 21: φόρμα δημιουργίας moblog Εικόνα 2. 22: Η διαδραστικότητα των blogs και η συχνότητα ενημέρωσης σε σχέση με άλλα μέσα Εικόνα 2. 23: Η χρήση του RSS σε σχέση με την παραδοσιακή αναζήτηση συναρτήσει του χρόνου Εικόνα 2. 24: Η παραδοσιακή κοινωνική δικτύωση σε σχέση με τα κοινωνικά μέσα Εικόνα 2. 25: Η χρήση διαφόρων μέσων στην Αμερική το 2006 και το Εικόνα 2. 26: : Η χρήση και η αξία των blogs σύμφωνα με τους bloggers Εικόνα 2. 27: Σελίδα εύρεσης templates Εικόνα 2. 28: Εφαρμογή JavaScript Εικόνα 2. 29: Εφαρμογή JavaScript Εικόνα 2. 30: Εφαρμογή στα παιχνίδια Εικόνα 2. 31: Εφαρμογή στις ταινίες Εικόνα 2. 32:Παράδειγμα στην διαφήμιση Εικόνα 2. 33:Παράδειγμα στην διαφήμιση Εικόνα 2. 34: Εικόνες και κείμενο σε blogs Εικόνα 2. 35: Εικόνες και κείμενο σε blogs Εικόνα 2. 36: Βίντεο σε blog Εικόνα 2. 37: Ραδιόφωνο σε blog Εικόνα 2. 38: Παιχνίδι σε blog Εικόνα 2. 39: Φόρμα εισαγωγής εικόνας Εικόνα 2. 40: Φόρμα εισαγωγής βίντεο Εικόνα 2. 41: Η δομή μιας μηχανής αναζήτησης Εικόνα 2. 42: Ποσοστά χρήσης διάφορων μηχανών αναζήτησης Εικόνα 2. 43: Ο PageRank των σελίδων σε σχέση με τους εισερχόμενους συνδέσμους Εικόνα 2. 44: Η διαδικασία του SEO Εικόνα 2. 45: Blog Seo Εικόνα 3. 1: Στοιχεία ενός personalization system Εικόνα 3. 2: Επισκόπηση τεχνικών προσωποποίησης Εικόνα 3. 3: Λειτουργία προσωποποιημένου συστήματος Εικόνα 3. 4: Παράδειγμα collaborative τεχνικής Εικόνα 3. 5: User Based Collaborative Τεχνική Εικόνα 3. 6: Item Based Collaborative Τεχνική Εικόνα 3. 7: Collaborative Filtering Εικόνα 3. 8: Παράδειγμα Content based τεχνικής Εικόνα 3. 9: Υβριδικοί συνδυασμοί

7 Εικόνα 3. 10: Item based example Εικόνα 3. 11: Item based example with multicretira Εικόνα 3. 12: Αποτελεσματικότητα multicriteria Εικόνα 3. 13: Flowchart πρότασης ιστολογίων Εικόνα 3. 14: Flowchart πρότασης άρθρων Εικόνα 4. 1: MVC_ Εικόνα 4. 2: MVC_ Εικόνα 4. 3: HTML Εικόνα 4. 4: PHP Εικόνα 4. 5: PHP DOM Εικόνα 4. 6: APC FlowChart Εικόνα 4. 7: CSS 3 Menu Εικόνα 5. 1: ER Βάσης Δεδομένων Εικόνα 5. 2: Εικόνα αρχικής σελίδας Εικόνα 5. 3: Jquery για Sign Up Εικόνα 5. 4: sign_up_check controller Εικόνα 5. 5: Εισαγωγή blogs για παρακολούθηση Εικόνα 5. 6: Δημιουργία στοιχείων χρήστη Εικόνα 5. 7: Μήνυμα επιτυχίας για εγγραφή Εικόνα 5. 8: sign_in_check controller Εικόνα 5. 9: sign in check Εικόνα 5. 10: controller εισόδου στο σύστημα Εικόνα 5. 11: Δημιουργία νέου κωδικού Εικόνα 5. 12: Το προφίλ Εικόνα 5. 13: Τα στοιχεία του χρήστη Εικόνα 5. 14: Διαγραφή λογαριασμού χρήστη Εικόνα 5. 15: Home Page Εικόνα 5. 16: RSS controller Εικόνα 5. 17: Εύρεση του Feed Εικόνα 5. 18: Εμφάνιση άρθρων ιστολογίου Εικόνα 5. 19: Εμφάνιση άρθρων ανά κατηγορία Εικόνα 5. 20: Εμφάνιση άρθρων κατηγορίας "Αθλητικά" Εικόνα 5. 21: Επιλογή παρόμοιων χρηστών Εικόνα 5. 22: Επιλογή προτεινόμενων ιστολογίων Εικόνα 5. 23: Εμφάνιση προτεινόμενων ιστολογίων Εικόνα 5. 24: Μήνυμα επιτυχίας Εικόνα 5. 25: Πίνακες άρθρων - μεθόδων Εικόνα 5. 26: Ποσοστά συμμετοχής μεθόδων Εικόνα 5. 27: Επιλογή παρόμοιων χρηστών Εικόνα 5. 28: Επιλογή προτεινόμενων διαβασμένων άρθρων Εικόνα 5. 29: Επιλογή προτεινόμενων liked άρθρων

8 Εικόνα 5. 30: Επιλογή τελευταίων άρθρων Εικόνα 5. 31: Εύρεση ποσοστών συμμετοχής ιστολογίων Εικόνα 5. 32: Εύρεση αριθμού άρθρων προς συμμετοχή ανά ιστολόγιο Εικόνα 5. 33: Εύρεση ποσοστού συμμετοχής ανά κατηγορία Εικόνα 5. 34: Επιλογή liked άρθρων χρήστη Εικόνα 5. 35: Εύρεση παρόμοιων άρθρων από βάση Εικόνα 5. 36: Εμφάνιση προτεινόμενων άρθρων Εικόνα 5. 37: Εισαγωγή νέου ιστολογίου Εικόνα 5. 38: Διαγραφή ιστολογίου Εικόνα 5. 39: Αναζήτηση στον ιστό Εικόνα 5. 40: Ανάκτηση ευρετηρίου Εικόνα 5. 41: Δημιουργία ευρετηρίου Εικόνα 5. 42: Εισαγωγή like Εικόνα 5. 43: Μετρική ιστολογίου Εικόνα 5. 44: Μετρική κατηγορίας Εικόνα 5. 45: Εισαγωγή διαβασμένου άρθρου Εικόνα 5. 46: Μετρικές μεθόδων πρότασης άρθρων Εικόνα 5. 47: Επιλογή άρθρων ανά κατηγορία Εικόνα 5. 48: Επιλογή κειμένου άρθρου Εικόνα 5. 49: Αποκατάληξη λέξεων Εικόνα 5. 50: Δημιουργία ανεστραμμένου ευρετηρίου Εικόνα 5. 51: Εύρεση βάρους κάθε λέξης Εικόνα 5. 52: Εύρεση άρθρων και τίτλων των ιστολογίων Εικόνα 5. 53: Ανάκτηση κειμένων των άρθρων Εικόνα 5. 54: Εύρεση κατηγορίας άρθρου Εικόνα 5. 55: Event καθαρισμού Εικόνα 5. 56: Trigger αύξησης μετρικής Εικόνα 5. 57: Event καθαρισμού πίνακα posts Εικόνα 5. 58: MySql query καθαρισμού πίνακα posts Εικόνα 6. 1: Ποσοστά διαβασμένων και liked άρθρων Εικόνα 6. 2: Αποτελέσματα για "σαμαράς" Εικόνα 6. 3: Αποτελέσματα για "μέτρα" Εικόνα 6. 4: Αποτελέσματα για "μέρκελ" Εικόνα 6. 5: Αποτέλεσμα για "μέρκελ σαμαράς + κυβέρνηση"

9 Ευχαριστίες Θα ήθελα να ευχαριστήσω τον επιβλέποντα της διπλωματικής μου εργασίας, κ. Γαροφαλάκη Ιωάννη, Καθηγητή του τμήματος Μηχανικών Ηλεκτρονικών Υπολογιστών & Πληροφορικής για την εμπιστοσύνη που μου έδειξε αναθέτοντάς μου τη συγκεκριμένη διπλωματική εργασία, καθώς και για τη συνεργασία μας κατά τη διάρκεια εκπόνησής της. Ευχαριστώ επίσης τον υποψήφιο διδάκτορα Πλέσσα Αθανάσιο για τη βοήθειά του και τις συμβουλές του, που συνέβαλλαν καθοριστικά στην διαμόρφωση και ολοκλήρωση της εργασίας. Ευχαριστώ επίσης τα υπόλοιπα μέλη της επιτροπής, κ. Μεγαλοοικονόμου Βασίλη, Αναπληρωτή Καθηγητή του τμήματος και κ. Χατζηλυγερούδη Ιωάννη, Επίκουρο Καθηγητή για τη συνδρομή τους στην ολοκλήρωση της εργασίας. Τέλος ευχαριστώ θερμά όλους τους κοντινούς μου που με στήριξαν σε όλη τη διάρκεια εκπόνησής της, καθώς επίσης και όλους όσους συμμετείχαν στην έρευνα και δέχτηκαν να δοκιμάσουν το σύστημα, καθώς οι γνώμες και τα σχόλιά τους υπήρξαν σημαντικά. 9

10 Περίληψη Τα ιστολόγια αποτελούν πλέον ένα αναπόσπαστο κομμάτι της καθημερινής διαδικτυακής μας ζωής. Τα εμπιστευόμαστε τόσο για την ψυχαγωγία μας αλλά ακόμη περισσότερο για την ενημέρωσή μας. Μέσα στην πληθώρα των ιστολογίων και των άρθρων, καθώς και στον περιορισμένο χρόνο της καθημερινή μας ζωής, έχει δημιουργηθεί η ανάγκη για την παρουσίαση πληροφορίας η οποία ανταποκρίνεται στο προσωπικό μας γούστο, στις προτιμήσεις μας και στις ανάγκες μας. Έτσι, καθορίστηκε το θέμα της συγκεκριμένης διπλωματικής εργασίας ως η δημιουργία ενός συστήματος πρότασης άρθρων και παρακολούθησης ιστολογίων για την υπηρεσία Blogger, με τίτλο «The Researcher». Το σύστημα προσφέρει δυνατότητες παρακολούθησης ιστολογίων, ανάγνωσης άρθρων με βάση κάποιες προ-καθορισμένες κατηγορίες, πρότασης ιστολογίων και άρθρων για τον κάθε χρήστη ξεχωριστά με βάση το προφίλ του και τις προτιμήσεις του, καθώς και αναζήτηση στον ιστό ή τοπικά για άρθρα με βάση κάποια keywords. Το σύστημα έχει δημιουργηθεί με τέτοιο τρόπο έτσι ώστε οι περισσότερες λειτουργίες να είναι αυτοματοποιημένες και να μην χρειάζεται την επέμβαση του χρήστη. Πέρα από τη συμπλήρωση του προφίλ του, δεν χρειάζονται περαιτέρω κινήσεις από αυτόν καθώς το σύστημα καταγράφει και αναλύει τις κινήσεις του, έτσι ώστε να διαμορφωθούν αναλόγως τα αποτελέσματα των προτάσεων. Εδώ έγκεινται και οι καινοτομίες του συστήματος. Το σύστημα προτάσεων του «The Researcher», συμπεριλαμβάνει τον συνδυασμό διαφόρων recommendation τεχνικών με τελικό στόχο την εμφάνιση των άρθρων που πραγματικά ενδιαφέρουν το χρήστη. Το σύστημα χαρακτηρίζεται από δυναμικότητα, καθώς δεν σταματάει να μαθαίνει αλλά εξελίσσεται συνεχώς, καταγράφοντας και αφομοιώνοντας κάθε αλλαγή στα patterns των κινήσεων των χρηστών. Λέξεις Κλειδιά: Διαδίκτυο, Σύστημα προτάσεων, Ιστολόγια, PHP, MySQL 10

11 Abstract Blogs have become an essential part of our daily internet routine. We trust them both for our entertainment and even more for our information. Among the plethora of blogs and articles and the limited free time of our daily life, there has been created the need to view only the information that corresponds to our personal tastes and needs. The object of this thesis is to create a recommender system which will adapt the information individually on every user. The system takes account the user s profile and his reading pattern, so it can propose to him only the information that he is most likely to read and like. The system provides capabilities such as reading the latest blog posts, reading articles from predefined categories, proposing articles and blogs for each user based on his profile and his preferences and searching the web or the system for blog posts based on some keywords. The system is set up in such a way that most functions are automated and does not require user intervention. The users aren't required to take any other action than completing their profile. The system records and analyzes their movements in order for the results to be customized accordingly. Here lie the system innovations. The system's proposal engine includes a combination of different recommendation techniques with the aim to show the articles that really interest the user. The system is characterized by its dynamic form as it never stops learning. It is constantly evolving as it records and assimilates any changes in the movement patterns of users. Keywords: Internet, Recommender System, Blogs, PHP, MySQL 11

12 1ο Κεφάλαιο Εισαγωγή 1.1 Αντικείμενο Εργασίας Αντικείμενο της συγκεκριμένης διπλωματικής εργασίας είναι η δημιουργία ενός πρότυπου recommender συστήματος ιστολογίων και άρθρων της ελληνικής για την υπηρεσία blogger, με τίτλο «The Researcher». Το σύστημα προσφέρει δυνατότητες παρακολούθησης ιστολογίων χρησιμοποιώντας τα RSS Feeds των ιστολογίων, αναζήτηση στον ιστό για άρθρα από blogs με βάση κάποια keywords, ανάγνωση άρθρων με βάση κάποιες προκαθορισμένες κατηγορίες και την πρόταση ιστολογίων και άρθρων για τον κάθε χρήστη ξεχωριστά. Το «The Researcher» είναι ένα καινοτόμο και πρωτοποριακό σύστημα στον χώρο των ελληνικών ιστολογίων και της ενημέρωσης. Χρησιμοποιώντας τα προσωπικά στοιχεία του χρήστη αλλά και τις κινήσεις του μέσα στο σύστημα, δημιουργεί το προφίλ του, σύμφωνα με το οποίο ανακαλύπτονται άλλοι χρήστες που ταιριάζουν μαζί του και του προτείνονται ιστολόγια και άρθρα τα οποία ανταποκρίνονται στις απαιτήσεις και τις προτιμήσεις του. Το σύστημα δεν μένει στατικό αλλά εξελίσσεται συνεχώς, αφομοιώνοντας τις αλλαγές στα patterns των αναγνώσεων του χρήστη. Με αυτόν τον τρόπο δεν χρειάζονται επιμέρους κινήσεις και αλλαγές από τη μεριά των χρηστών. Όλα εκτελούνται αυτόματα με την μικρότερη δυνατή συμμετοχή τους. Η μορφή του «The Researcher» έμεινε σε πολύ απλή μορφή, μην απαιτώντας από το χρήστη κινήσεις που μπορεί να τον κουράσουν ή να τον μπερδέψουν. Όλες οι επιλογές του χρήστη στο σύστημα είναι απλές, κατανοητές, παρέχοντας ταυτόχρονα πληροφορίες για τον τρόπο λειτουργίας του. Το σύστημα υλοποιήθηκε χρησιμοποιώντας το Codeigniter PHP Framework, την γλώσσα προγραμματισμού PHP, την HTML, CSS και JavaScript. Τα δεδομένα αποθηκεύονται σε μία βάση δεδομένων χρησιμοποιώντας την MySQL. 12

13 1.2 Δομή Εργασίας Η εργασία είναι δομημένη ως εξής: Στο 2 ο Κεφάλαιο γίνεται μία εισαγωγή στα ιστολόγια, ανατρέχοντας το ιστορικό τους παρελθόν και αναφέρονται τα διάφορα είδη ιστολογίων. Παρουσιάζεται ένα δομικό στοιχείο των ιστολογίων τα Multimedia και ο ρόλος τους στα ιστολόγια. Τέλος γίνεται αναφορά στις μηχανές αναζήτησης, τη σχέση τους με τα ιστολόγια και πως μπορεί να βελτιωθεί το SEO των ιστολογίων. Στο 3 ο Κεφάλαιο παρουσιάζεται η έννοια της προσωποποίησης, του recommender συστήματος και των διαφόρων τεχνικών προσωποποίησης και φιλτραρίσματος των πληροφοριών που υπάρχουν. Τέλος, γίνεται μία παρουσίαση της εφαρμογής των recommendation τεχνικών που έχουν εφαρμοστεί στο «The Researcher». Στο 4 ο Κεφάλαιο παρουσιάζονται οι τεχνολογίες και τα προγράμματα που χρησιμοποιήθηκαν για την ανάπτυξη και την δημιουργία του συστήματος. Στο 5 ο Κεφάλαιο γίνεται αναλυτική παρουσίαση του συστήματος παραθέτοντας κάποια βασικά σημεία του κώδικα. Στο 6 ο Κεφάλαιο τέλος, παρουσιάζονται τα αποτελέσματα από το online testing του συστήματος, διάφορα συμπεράσματα και μελλοντικές του επεκτάσεις. 13

14 2 ο Κεφάλαιο - Blogs 2.1 Εισαγωγή Πριν το blogging γίνει δημοφιλές, οι ψηφιακές κοινότητες είχαν διάφορες μορφές όπως το Usenet, on-line διαφημιστικές υπηρεσίες όπως τa Genie, BiΧ και CompuServe, λίστες καθώς και Bulletin Board Systems (BBS). Στις αρχές της δεκαετίας του 90, το λογισμικό των Internet Forum όπως είναι το WebEx δημιούργησε συνομιλίες με threads (νήματα). Τα threads είναι τοπικές συνδέσεις μεταξύ μηνυμάτων πάνω σε έναν μεταφορικό πίνακα ανακοινώσεων. Το μοντέρνο blog εξελίχθηκε από το online diary, όπου οι άνθρωποι κρατούσαν απολογισμούς της προσωπικής τους ζωής. Οι περισσότεροι από αυτούς τους συγγραφείς ονόμαζαν τους εαυτούς τους diarists (ημερολογιογράφους) ή journalists (δημοσιογράφους). Μερικοί αυτοαποκαλούνταν escribitionists (κάποιος που κρατά ημερολόγιο με ηλεκτρονικά μέσα). Το webring του Open Pages περιελάμβανε μέλη από την online δημοσιογραφική κοινότητα. Ο Justin Hall, που ξεκίνησε το προσωπικό blogging το 1994 αναγνωρίζεται ως ένας από τους πρώτους bloggers. Ένα άλλο από τα πρώτα blogs ήταν το Wearable Wireless Webcam, ένα online ημερολόγιο το οποίο περιελάμβανε την προσωπική ζωή κάποιου και περιείχε συνδυασμένο κείμενο, video και εικόνες που αναμεταδιδόταν ζωντανά από έναν φορητό υπολογιστή σε μια ιστοσελίδα το Τα πρώτα weblogs ήταν απλά αυτόματα ανανεώσιμα μέρη συνηθισμένων ιστοσελίδων. Παρόλα αυτά, η εξέλιξη των εργαλείων για να διευκολύνουν την παραγωγή και την συντήρηση των άρθρων που εμφανίζονταν σε αντίστροφη χρονολογική σειρά, έκανε την διαδικασία δημοσίευσης εφικτή σε ένα μεγαλύτερο, λιγότερο τεχνικό κοινό. Τελικά, αυτό κατέληξε στην ξεχωριστή κατηγορία online έκδοσης που παράγει τα blogs στην μορφή που τα αναγνωρίζουμε σήμερα. Έπειτα από ένα αργό ξεκίνημα, το blogging έγινε δημοφιλές με ραγδαίο ρυθμό. Η χρήση του blog άνθισε κατά την διάρκεια του 1999 και στα χρόνια που ακολούθησαν, όντας ακόμα πιο δημοφιλές με την σχεδόν ταυτόχρονη άφιξη των πρώτων blog εργαλείων: Το Open Diary ξεκίνησε τον Οκτώβριο του 1998 και σύντομα αυξήθηκε με χιλιάδες online ημερολόγια. Το Open Diary καινοτόμησε με τα γνωστά «σχόλια» και έγινε έτσι η πρώτη blog κοινότητα όπου επέτρεπε στους χρήστες να προσθέτουν σχόλια σε αναρτήσεις άλλων blogs. Το LiveJournal ξεκίνησε τον Μάρτιο του 1999 από έναν γνωστό blogger τον Brad Fitzpatrick. 14

15 Ο Andrew Smales δημιούργησε το Pitas.com τον Ιούλιο του 1999 ως ένα ευκολότερο εναλλακτικό τρόπο για την διατήρηση των «what s new» σε μια ιστοσελίδα. Ακολούθησε το Diaryland τον Σεπτέμβριο του 1999 το οποίο επικεντρώθηκε περισσότερο σε μια προσωπική online κοινότητα. Οι Evan Williams και Meg Jourihan ξεκίνησαν τον Αύγουστο του 1999 το blogger.com, το οποίο αγοράστηκε από την Google τον Φεβρουάριο του Το blogging συνδύασε την προσωπική ιστοσελίδα με τα εργαλεία για να κάνει ευκολότερη την σύνδεση άλλες σελίδες. Συγκεκριμένα τα permalinks, blogrolls και TrackBacks μαζί με τις μηχανές αναζήτησης για weblogs, έκανε ικανούς τους bloggers να εντοπίζουν threads τα οποία τους συνέδεαν με άλλου με κοινά ενδιαφέροντα. Μέχρι το 2001, το blogging ήταν ένα φαινόμενο και τα πρώτα how-to manuals άρχισαν να εμφανίζονται στοχεύοντας κυρίως στην τεχνική. Η σπουδαιότητα της blogging κοινότητας (και της σχέσης της με την ευρύτερη κοινωνία) αναπτύχθηκε ραγδαία. Καθιερωμένες σχολές δημοσιογραφίας άρχισαν την έρευνα γύρω από το blogging και παρατήρησαν τις διαφορές ανάμεσα σε αυτό και την δημοσιογραφία. Από το 2002 τα blogs έχουν λάβει αυξημένη προσοχή για τον ρόλο τους στην διαχείριση των ειδήσεων. Το blogging καθιερώθηκε από πολιτικούς και πολιτικούς υποψηφίους για να εκφέρουν γνώμη σε διάφορα θέματα και τόνισαν τον ρόλο των blogs ως μια καινούργια πηγή πληροφορίας. 2.2 Ορισμός του blog Η λέξη blog αποτελεί συντομογραφία του web log. Πρόκειται για ιστοσελίδες στις οποίες γίνεται εισαγωγή περιεχομένου χρονολογικά. Η παρουσίαση των περιεχομένων αυτών γίνεται με αντίστροφη χρονολογική σειρά, δηλαδή ξεκινώντας από το πιο πρόσφατο γεγονός και καταλήγοντας στο παλαιότερο. Στην ουσία τα blogs υλοποιούν μια «αρχιτεκτονική» προσωπικού ημερολογίου, που σκοπό έχει είτε να δημοσιοποιήσει, να σχολιάσει νέα για ένα θέμα, είτε έχει προσωπικό χαρακτήρα και αποτελεί το ημερολόγιο ενός ατόμου. Ένα τυπικό blog συνδυάζει κείμενο, εικόνες και συνδέσμους προς άλλα blogs ή άλλες ιστοσελίδες και μέσα σχετικά με το περιεχόμενό του. Σημαντική ακόμα είναι η ιδιότητα κάποιων blogs να επιτρέπουν στους αναγνώστες-κοινό να προσθέτουν σχόλια δίνοντάς τους έτσι μια διαδραστική μορφή. Τα περισσότερα blogs αποτελούνται κατά βάση από κείμενο αλλά υπάρχουν και blogs τα οποία κατευθύνονται προς διαφορετική χρήση όπως είναι τα blogs για φωτογραφίες, για τέχνη, για μουσική κ.α. και αποτελούν έτσι μέρος ενός ευρύτερου δικτύου κοινωνικών δικτύων. 15

16 Ο κοινός χρήστης του διαδικτύου μπορεί να ξεκινήσει εύκολα και δωρεάν το δικό του ιστολόγιο μέσω πολλών φορέων που προσφέρουν συστήματα τα οποία στηρίζονται σε λογισμικό που κάνει την σύνταξη των ιστολογίων πολύ απλή διαδικασία. Το αντάλλαγμα τέτοιων φορέων είναι συνήθως η αυτόματη διαφήμιση στα ιστολόγια ή η αυτοπροβολή. Σε τέτοιες υπηρεσίες στηρίζεται η πλειονότητα των ιστολογίων, ιδίως δε τα μικρότερα. Όμως όπως και κάθε άλλος είδος ιστοσελίδας, έτσι και το ιστολόγιο μπορεί να στηριχθεί και σε υπηρεσίες στις οποίες ο διαχειριστής του ιστολογίου έχει τον πλήρη έλεγχο του ιστοχώρου του. Εικόνα 2. 1:: Blogger, μία πλατφόρμα δημιουργίας blogs 2.3 Είδη blogs Τα είδη των blogs που υπάρχουν είναι πολλά, και μπορεί να διαφέρουν στην θεματολογία τους, στον τρόπο με τον οποίο δημιουργήθηκαν ή ακόμη και στον στόχο κοινό τους. Έτσι, λαμβάνοντας υπόψη τα παραπάνω, τα blogs έχουν διαφορετική μορφή και διαφορετικό ύφος γραφής Προσωπικά Ιστολόγια Το προσωπικό blog είναι ένα ημερολόγιο που διατηρείται από ένα άτομο και αποτελεί την πιο κοινή μορφή blog. Τα blogs συχνά είναι κάτι περισσότερο από έναν τρόπο επικοινωνίας, αντανακλούν πτυχές της ζωής και πολλές φορές της τέχνης. Το blogging μπορεί να λάβει μια συναισθηματική αξία, παρόλο που λίγα blogs είναι αυτά γνωρίζουν την φήμη. 16

17 Εικόνα 2. 2: Προσωπικό Blog Εικόνα 2. 3: Προσωπικό Blog Εικόνα 2. 4:Προσωπικό Blog Εικόνα 2. 5: : Η ανάπτυξη των blogs 03/ / Εταιρικά Ιστολόγια (Corporate Blogs) Ένα blog μπορεί να είναι για προσωπική χρήση όπως συμβαίνει στις περισσότερες περιπτώσεις, είτε να χρησιμοποιηθεί για επιχειρηματικούς σκοπούς. Ένα εταιρικό blog μπορεί να χρησιμοποιηθεί τόσο εσωτερικά, όσο και εξωτερικά. Εσωτερικά μπορεί να βοηθήσει την εταιρία, δυναμώνοντας την επικοινωνία και την κουλτούρα ανάμεσα στους εργαζόμενους. Εξωτερικά μπορεί να είναι ένα εργαλείο που χρησιμοποιείται από την εταιρεία να ολοκληρώσει ένα επιχειρηματικό στόχο, ένας τρόπος για να προβληθεί η εικόνα της εταιρίας 17

18 στην αγορά είτε μια ευκαιρία για να ενδυναμωθεί η σχέση μεταξύ των υπαλλήλων και των πελατών. Μέσω του blog μπορούν να παρουσιάζονται καινούργια προϊόντα, να ανακοινώνεται μια νέα πολιτική της εταιρίας, να απαντούν σε δημόσια κριτική που τους έχει γίνει. Το ύφος των εταιρικών blogs, ιδιαίτερα για την εξωτερική χρήση, είναι σαφώς πιο αυστηρό και σοβαρό, τα posts πριν δημοσιευτούν ελέγχονται. Παρόλα αυτά πολλά blogs παρέχουν την δυνατότητα ανάρτησης σχολίων από τους αναγνώστες. [9] Εικόνα 2. 6: Η χρήση των εταιρικών blogs Εικόνα 2. 7: Εταιρικό Blog Ιστολόγια ανάλογα με το θέμα (by genre) Ορισμένα blogs εστιάζουν σε ένα συγκεκριμένο θέμα, όπως είναι για παράδειγμα η πολιτική. Στα πολιτικά blogs οι συγγραφείς εκφράζουν την άποψή τους, σε αντίθεση με τους δημοσιογράφους που συνήθως προσπαθούν να τηρήσουν μια αντικειμενικότητα. Από την μία αυτά τα blogs προσπαθούν να δώσουν μια νέα αίσθηση των πραγμάτων, από την άλλη όμως πολλές φορές προβαίνουν σε δυσφημίσεις και συκοφαντίες. Συνήθως, τα πολιτικά blogs λειτουργούν με τον εξής τρόπο: οι bloggers παίρνουν θέματα ειδήσεων από τα παραδοσιακά Μ.Μ.Ε, τα σχολιάζουν και τα παραθέτουν στο blog τους. Άλλες θεματολογίες είναι τα ταξίδια (καταγραφές από ταξιδιώτες όπου παραθέτουν τις εμπειρίες τους), η μόδα, εκπαίδευση και η 18

19 νομική. Δύο από τους πιο γνωστούς τύπους είναι τα blog τέχνης (art blogs) και τα blog μουσικής (music blogs). Τα art blogs, καλύπτουν ένα ευρύ φάσμα θεμάτων όπως είναι σχολιασμός έργων, σχόλια για τον κόσμο της τέχνης, αποτελέσματα δημοπρασιών, προσωπικές εκθέσεις και συνεντεύξεις. Η διαδεδομένη πλέον μορφή των music blogs είναι τα mp3 blogs, όπου ο συγγραφέας παραθέτει μουσικά κομμάτια διαθέσιμα προς κατέβασμα (downloading). Τα mp3 blogs παρουσίασαν ιδιαίτερη άνθιση μετά το Τα κομμάτια που παρατίθενται διαφέρουν και μπορεί να είναι και κάποια σπάνια τα οποία δεν υπάρχουν πλέον σε δισκογραφίες. Εικόνα 2. 8: Πολιτικό Blog Εικόνα 2. 9: Art Blog Εικόνα 2. 10: Fashion Blog Εικόνα 2. 11: Travel Blog 19

20 Εικόνα 2. 12: Music Blog Ιστολόγια ανάλογα με το είδος (by media) Ένα blog που περιέχει φωτογραφίες λέγεται photo-blog, ένα με βίντεο λέγεται vlog, με links linklog. Blogs με μικρότερες αναρτήσεις και διάφορους τύπους media λέγονται tumblelogs. Τα photoblogs είναι μια μορφή διαμοίρασης φωτογραφιών και δημοσίευσής τους στο net. Εστιάζει περισσότερο στην φωτογραφία καθαυτή, παρά στο κείμενο. Υπάρχουν τρεις βασικοί τύποι από photoblogs. Photoblogs σε ξεχωριστά domains, photoblogs σε υπηρεσίες blogging όπως είναι ο Blogger όπου προορίζονταν για περιεχόμενα με βάση το κείμενο και τέλος photoblogs σε υπηρεσίες όπου ειδικεύονται στην κατασκευή των photoblogs. Εικόνα 2. 13: Photoblog σε ξεχωριστό domain Εικόνα 2. 14: Photoblog σε ειδική υπηρεσία 20

21 Εικόνα 2. 15: Photoblog στο wordpress Στα vlogs υπάρχουν συχνές καταχωρήσεις και συχνά συνδυάζουν ενσωματωμένα βίντεο ή συνδέσμους που δείχνουν σε βίντεο και υποστηρίζουν κείμενο, εικόνες και άλλα μεταδεδομένα. Τα vlogs εκμεταλλεύονται το web syndication για να επιτρέπουν την διαμοίραση των video στο internet μέσω του RSS ή του Atom για αυτόματη αναπαραγωγή σε κινητά και σε προσωπικούς υπολογιστές. Το Vlogging έγινε ιδιαίτερα γνωστό το Εικόνα 2. 16: Η αύξηση των vlogs '05 έως 08 Εικόνα 2. 17: Παράδειγμα vlog Το linklog είναι μια συλλογή από URLs τα οποία ο διαχειριστής του blog θεωρεί ενδιαφέροντα. Οι καταχωρήσεις εμφανίζονται με αντίστροφη χρονολογική σειρά, όπως και σε 21

22 όλα τα blogs. Οι αναρτήσεις όμως περιορίζονται στον ένα σύνδεσμο ανά ανάρτηση και τίτλο. Προαιρετικά μπορεί να δοθεί ένας περαιτέρω σχολιασμός. Το tumblelog είναι μια ποικιλία από blog στο οποίο κυριαρχεί η μικρή μορφή, τα media με ανάμικτο περιεχόμενο. Περιέχουν συνδέσμους, φωτογραφίες, διαλόγους και βίντεο. Σε αντίθεση με τα blogs, χρησιμοποιούνται για να δείξουν τις δημιουργίες του συγγραφέα, τις ανακαλύψεις του ή τις εμπειρίες τους παρέχοντας μικρό ή καθόλου σχολιασμό. Εικόνα 2. 18: LinkLog Εικόνα 2. 19: Tumblelog Ιστολόγια ανάλογα με τη συσκευή (by device) Τα blogs μπορούν επίσης να χαρακτηριστούν από τον τύπο συσκευής που χρησιμοποιήθηκε για να δημιουργηθούν. Ένα blog που γράφτηκε από μια κινητή συσκευή όπως ένα κινητό τηλέφωνο ή ένα PDA λέγονται moblog. Ένα πρώιμο blog αυτής της μορφής ήταν το Wearable Wireless Webcam. Τέτοιου είδους δημοσιεύσεις έχουν χρησιμοποιηθεί και ως στοιχεία σε νομικές υποθέσεις. Το moblogging είναι ιδιαίτερα χρήσιμο στους τουρίστες και στους ταξιδιώτες όπου η σύνδεση στο internet από ένα pc μπορεί να είναι δύσκολη. Ο τουρίστας μπορεί να τραβήξει οτιδήποτε θελήσει με το κινητό του και να το ανεβάσει εύκολα στο blog του. 22

23 Εικόνα 2. 20: moblog Εικόνα 2. 21: φόρμα δημιουργίας moblog 2.4 Χρησιμότητα, οφέλη και μειονεκτήματα Καθώς τα blogs αποτελούν πλέον αναπόσπαστο μέρος της ηλεκτρονικής (και όχι μόνο) ζωής μας, έχουν γίνει φανερές οι θετικές αλλά και οι αρνητικές πτυχές τους. Στα οφέλη μπορούμε να αναφέρουμε την ελευθερία του λόγου. Ο καθένας που διατηρεί ένα blog είναι ελεύθερος να διατυπώνει την άποψή του για όποιο θέμα επιθυμεί. Αν επίσης το επιτρέπει ο συγγραφέας, οι εκάστοτε αναγνώστες του blog μπορούν να παραθέτουν και αυτοί την άποψή τους και την γνώμη τους, είτε αυτή συμβαδίζει με του συγγραφέα είτε όχι. Ένα δεύτερο θετικό στοιχείο είναι η διαμοίραση της γνώσης. Υπάρχουν πάρα πολλά blogs με διάφορες θεματολογίες, έτσι όσο περισσότερο τα διαβάζει κανείς, τόσο περισσότερο μπορεί να ενημερώνεται για διάφορα θέματα. Άλλο θετικό είναι ότι τα blogs είναι αμφίδρομα (με την χρήση των σχολίων), και έτσι καθώς παραθέτονται διάφορες απόψεις πολλές φορές γίνονται εποικοδομητικές συζητήσεις. 23

24 Εικόνα 2. 22: Η διαδραστικότητα των blogs και η συχνότητα ενημέρωσης σε σχέση με άλλα μέσα Επίσης, μπορεί κανείς να βρει άτομα με παρόμοια ενδιαφέροντα και απόψεις με τις δικές του, σχηματίζοντας έτσι καινούριες φιλίες. Τα blogs δηλαδή, δουλεύουν ως μέσο κοινωνικοποίησης. Η φύση του blog είναι τέτοια που επιτρέπει να ενημερώνεται όσο συχνά επιθυμεί ο συγγραφέας, έτσι μπορεί να το χρησιμοποιεί σαν ημερολόγιο για να καταγράφει και να μοιράζεται με φίλους και γνωστούς τις εμπειρίες του, τις σκέψεις του και τα συναισθήματά του. Ένα άλλο θετικό στοιχείο των blogs είναι η υποστήριξη και η χρήση του RSS. Κάποιος μπορεί άνετα να γραφεί στο RSS του blog που τον ενδιαφέρει και να μαθαίνει τις ανανεώσεις του blog αυτόματα, γρήγορα και να βρίσκει τις αναρτήσεις που τον ενδιαφέρουν εύκολα. Τα Rss Feeds έχουν και άλλα θετικά στοιχεία. Καταρχήν, όταν εγγράφεται κάποιος σε Rss, δεν αποκαλύπτει το του και έτσι δεν κινδυνεύουν από απειλές όπως το spamming ή από κλοπή προσωπικών δεδομένων. Επίσης, αν κάποιος θέλει να διαγραφεί από το Rss δεν χρειάζεται να στείλει κάποιο , αλλά αρκεί να αφαιρέσουν τον feed. Για την χρήση των feeds είναι απαραίτητος ένας Rss Reader. Το εργαλείο αυτό χρησιμοποιείται όπως ένα πρόγραμμα, αλλά χωρίς να χρειάζεται κάποια διεύθυνση . Ο χρήστης εγγράφεται σε ένα συγκεκριμένο Rss Feed και λαμβάνει τις ενημερώσεις όποτε αυτές συμβαίνουν. 24

25 Εικόνα 2. 23: Η χρήση του RSS σε σχέση με την παραδοσιακή αναζήτηση συναρτήσει του χρόνου. Τα blogs αποτελούν κομμάτι των κοινωνικών μέσων (social networking). Έτσι, υπάρχουν σαφώς περισσότερες πηγές με ευκολότερη, γρηγορότερη και πιο άνετη πρόσβαση σε σχέση με την μέχρι τώρα κοινωνική δικτύωση. Εικόνα 2. 24: Η παραδοσιακή κοινωνική δικτύωση σε σχέση με τα κοινωνικά μέσα. 25

26 Εκτός από τα παραπάνω, υπάρχουν και άλλοι διάφοροι λόγοι που ωθούν στην δημιουργία ενός blog. Καταρχήν είναι εύκολο να δημιουργήσει κάποιος ένα blog χωρίς να χρειάζεται κάποια τεχνική γνώση και η συντήρησή του είναι πολύ εύκολη, αφού υπάρχουν αυτοματοποιημένες λειτουργίες. Τα blogs είναι φιλικά ως προς τις μηχανές αναζήτησης, έτσι αν κάνει κάποιος posts για ένα συγκεκριμένο θέμα, χρησιμοποιώντας τις κατάλληλες λέξειςκλειδιά μπορεί να φανεί εύκολα στα top αποτελέσματα. Εικόνα 2. 25: Η χρήση διαφόρων μέσων στην Αμερική το 2006 και το 2008 Εκτός των θετικών, υπάρχουν φυσικά και τα αρνητικά. Το πιο σημαντικό ζήτημα είναι η ασφάλεια και η ακεραιότητα του blogger συγγραφέα. Καθώς στο blog εκφράζονται ελεύθερα απόψεις, αυτές μπορεί να θεωρηθούν προσβλητικές και μη-ανεκτές από κάποιους. Έτσι, είναι πιθανόν ο blogger να γίνει στόχος, με σκοπό να τον διαβάλλουν με όποιο τρόπο μπορούν και ακόμα να τον τρομοκρατήσουν. Παρόλο που είναι η εύκολη η διατήρηση ενός blog με τα εργαλεία που δίνονται, είναι επίσης μια διαδικασία κουραστική καθώς θα πρέπει να γίνεται σε ένα τακτό χρονικό διάστημα ειδάλλως υπάρχει περίπτωση να χαθούν κάποιοι αναγνώστες. Επίσης τα θέματα που διαλέγονται να δημοσιευτούν θα πρέπει να κεντρίζουν το ενδιαφέρον των αναγνωστών. 26

27 Εικόνα 2. 26: : Η χρήση και η αξία των blogs σύμφωνα με τους bloggers Ιδιαίτερη σημασία πρέπει να δοθεί στην σχέση των blogs με την πολιτική και τους κινδύνους που ελλοχεύουν. Είναι γεγονός ότι τα blogs είναι δυσκολότερο να ελεγχθούν από ότι τα παραδοσιακά Μέσα Μαζικής Ενημέρωσης. Μια άποψη που θα διατυπωθεί σε ένα blog μπορεί να εξαπλωθεί παντού σε πολύ μικρό χρόνο. Έτσι, μπορεί ευκολότερα διάφορες απόψεις να βλάψουν πρόσωπα και καταστάσεις αλλά και ο κόσμος να πέσει θύμα προπαγάνδας και λάθους προσανατολισμού. Υπό αυτό το πρίσμα, αρκετές κυβερνήσεις προσπαθώντας να ελέγξουν ακριβώς αυτήν την ροή πληροφορίας λαμβάνουν πολύ αυστηρά μέτρα ενάντια στους bloggers που οδηγούν ακόμη και στην φυλάκισή τους, χωρίς να σημαίνει όμως απαραίτητα ότι τα δημοσιεύματά τους απειλούσαν και έθιγαν. Είναι αρκετά τα περιστατικά φυλάκισης bloggers που δημοσίευαν προοδευτικά και δημοκρατικά άρθρα, αλλά ήρθαν σε αντίθεση με τις εκάστοτε κυβερνήσεις τους. Ακόμα και εδώ στην Ελλάδα, όπου τα blogs έχουν αρχίσει να αναπτύσσονται τα τελευταία 4 με 5 χρόνια, βλέπουμε όλο και πιο συχνά προτάσεις για έλεγχο και φίμωση πολλές φορές των blogs, καθώς επίσης και περιστατικά ποινικών κινητοποιήσεων εναντίον κάποιων bloggers. [1] 27

28 2.5 Τεχνολογίες που σχετίζονται με τα ιστολόγια Οι πιο κοινές τεχνολογίες που σχετίζονται με τον σχεδιασμό blogs είναι οι HTML, XML, JavaScript, CSS, PHP,RSS. Η HTML και η XML είναι γλώσσες σήμανσης. Χρησιμοποιούνται για να δώσουμε στην σελίδα μας την μορφή που θέλουμε. Έτσι λοιπόν, η μορφή και η εμφάνιση του κάθε blog εξαρτάται από την HTML και XML περιγραφή της. Στο διαδίκτυο μπορεί ο καθένας να βρει εύκολα διάφορα templates (πρότυπα εμφάνισης) για το blog του. Αυτά τα templates έρχονται σε μορφή xml όπου στη συνέχεια τα μεταμορφώνει στο blog. Επίσης, μπορεί κάποιος να τροποποιήσει την html περιγραφή του blog έτσι ώστε να το τροποποιήσει αναλόγως. Εικόνα 2. 27: Σελίδα εύρεσης templates Η JavaScript είναι μια γλώσσα προγραμματισμού η οποία έχει σαν σκοπό την παραγωγή δυναμικού περιεχομένου σε ιστοσελίδες. Χρησιμοποιείται κατά κόρον και στα blogs για να τα κάνει πιο φιλικά και εμφανίσιμα έτσι ώστε οι αναγνώστες να θέλουν να τα ξανάεπισκεφτούν. Διάφορες εφαρμογές JavaScript που χρησιμοποιούνται στα blogs είναι το ρολόι, η εμφάνιση των διαφόρων επισκεπτών του blog κ.α. 28

29 Εικόνα 2. 28: Εφαρμογή JavaScript Εικόνα 2. 29: Εφαρμογή JavaScript Η CSS (Cascade Style Sheets) είναι μια style sheet γλώσσα που χρησιμοποιείται για να περιγράψει την παρουσίαση ενός εγγράφου γραμμένου σε μια γλώσσα σήμανσης όπως είναι η HTML. Είναι δηλαδή ένας απλός μηχανισμός για την προσθήκη στυλ σε έγγραφα παγκοσμίου ιστού. Το πλεονέκτημα της CSS είναι ότι επιτρέπει να δώσουμε μια συγκεκριμένη μορφή σε πολλές σελίδες μονομιάς. Η CSS ενσωματώνεται μέσα στα διάφορα templates και έτσι όλες οι σελίδες του blog μας είναι ομοιογενείς. Το RSS (Really Simple Syndication) είναι μια οικογένεια web τροφοδοτήσεων που χρησιμοποιείται για να δημοσιεύσει συχνά ανανεωμένα περιεχόμενα όπως αναρτήσεις από blogs, τίτλους ειδήσεων, μουσική και βίντεο. Ένα RSS έγγραφο περιέχει ολόκληρο ή συνοψισμένο κείμενο καθώς επίσης και μετα-δεδομένα όπως δημοσιεύσεις ημερομηνίας και συγγραφικό επάγγελμα. Το RSS ωφελεί τους εκδότες καθώς τους επιτρέπει να προωθούν τα θέματά τους αυτόματα. Ευνοούν επίσης τους αναγνώστες καθώς τους έρχονται τα νέα θέματα από πολλά sites σε ένα μέρος. Τα RSS μπορούν να διαβαστούν από λογισμικό που καλείται RSS reader. Η XML μορφή του αρχείου, επιτρέπει στις πληροφορίες να δημοσιευτούν μια φορά και να διαβαστούν από διαφορετικά προγράμματα. Πέρα όμως από αυτές τις γλώσσες για την ανάπτυξη ενός blog χρειάζεται και κάποια γλώσσα script server-side (που να "τρέχει" στον εξυπηρετητή web) για να κάνει δυνατή την διαχείριση του περιεχομένου του και την επικοινωνία με τη βάση δεδομένων. Η PHP περιέχει την δυνατότητα εντολών και μπορεί να ενσωματωθεί στην HTML. Παίρνει ως είσοδο κώδικα PHP και ως έξοδο φτιάχνει τις ιστοσελίδες. Μπορεί να εφαρμοστεί στους περισσότερους web servers και σχεδόν σε κάθε λειτουργικό σύστημα και πλατφόρμα. Για την υλοποίηση όμως ενός blog διατίθενται αρκετά προγράμματα CMS (Content Management Systems) τα οποία κάνουν την διαδικασία της δημιουργίας τους τόσο εύκολη όσο και γρήγορη, όχι μόνο για άτομα με γνώσεις προγραμματισμού και σχεδίασης 29

30 ιστοσελίδων αλλά και για άτομα χωρίς καμία απολύτως τέτοια γνώση. Υπάρχουν μάλιστα sites τα οποία πέρα από το να δίνουν στον χρήστη κάποιο σύστημα δημιουργίας και διαχείρισης του blog, του παρέχουν και χώρο για να το αποθηκεύσει στον δικό τους server εντελώς δωρεάν. Το γεγονός αυτό απαλλάσσει το χρήστη από την ανάγκη τεχνογνωσίας όσον αφορά το στήσιμο ενός web server, αλλά και από την ανάγκη να "νοικιάσει" χώρο από μια εταιρία για να φιλοξενήσει το blog του. 2.6 Multimedia Εισαγωγή Σύμφωνα με τα [10] και [11] multimedia είναι η χρήση διαφόρων μέσων media για την μεταφορά πληροφορίας όπως κείμενο, ήχος, γραφικά, animation ή βίντεο. Ο όρος multimedia αναφέρεται επίσης στις συσκευές αποθήκευσης δεδομένων για υπολογιστές, ιδιαίτερα για αυτές που αποθηκεύουν και περιεχόμενα multimedia. Ο όρος multimedia λέγεται ότι χρησιμοποιήθηκε πρώτη φορά το 1964 για να περιγραφεί ένα show του Exploding Plastic Inevitable. Το show περιείχε μουσική, κινηματογράφο, ειδικό φωτισμό και ανθρώπινες παραστάσεις. Σήμερα, ο όρος χρησιμοποιείται αρκετά διαφορετικά εννοώντας ως multimedia από τα DVD s έως και τα περιοδικά που περιέχουν κείμενο και εικόνες. Τα multimedia μπορούν να κατηγοριοποιηθούν σε γραμμικά και σε μη-γραμμικά. Στα γραμμικά, το περιεχόμενο εξελίσσεται χωρίς να υπάρχει έλεγχος του θεατή όπως είναι για παράδειγμα μια ταινία. Τα μη-γραμμικά προσφέρουν στον θεατή έναν έλεγχο, όπως είναι ένα παιχνίδι στον υπολογιστή. Ένα άλλο όνομα για τα μη-γραμμικά είναι hypermedia. Τα hypermedia είναι βασισμένα σε γνωστικές θεωρίες για το πώς η γνώση δομείται και μαθαίνεται από τους ανθρώπους. Εξελίσσονται σε μη-ακολουθιακό τρόπο, όπου ο χρήστης είναι αυτός που αποφασίζει το επόμενο βήμα. Τα multimedia μπορούν να παρακολουθηθούν ζωντανά πάνω στην σκηνή, να προβληθούν ή να μεταδοθούν. Μπορούν επίσης να παιχθούν χρησιμοποιώντας έναν media player. Εάν το περιεχόμενο είναι να μεταδοθεί, αυτό μπορεί να γίνει ζωντανά ή να έχει γραφεί νωρίτερα. Τα ψηφιακά online multimedia μπορούν να προσπελαθούν κατεβάζοντας το αντίστοιχο περιεχόμενο ή με την μέθοδο του streaming. Η διαδραστικότητα στα multimedia εμπλουτίζεται συνδυάζοντας διάφορες μορφές media περιεχομένου. 30

31 2.6.2 Εφαρμογές Τα multimedia βρίσκουν εφαρμογή στις παρακάτω εφαρμογές: Εκπαίδευση. Τα multimedia μπορούν να χρησιμοποιηθούν σε computer-based training courses (CBT). Με αυτήν την τεχνική, μπορεί ο χρήστης να δει παρουσιάσεις σε επιλεγμένα θέματα και να ενσωματώσει εικόνες και επεξηγήσεις σε διάφορες μορφές. Η θεωρία μάθησης έχει αναπτυχθεί πάρα πολύ την τελευταία δεκαετία και ένας λόγος είναι τα multimedia. Μηχανική. Οι μηχανικοί χρησιμοποιούν τα multimedia για προσομοιώσεις στον υπολογιστή, βιομηχανική ή ακόμα και στρατιωτική εκπαίδευση. Διασκέδαση και τέχνη. Σε αυτόν τον τομέα τα multimedia χρησιμοποιούνται για να την ανάπτυξη ειδικών εφέ σε οπτικοακουστικά θέματα, ειδικά σε ταινίες. Τα βίντεοπαιχνίδια είναι από τις μεγαλύτερες εφαρμογές τους στον τομέα της διασκέδασης. Σημείο κλειδί των multimedia εδώ είναι ότι ως επί το πλείστον περιέχουν διαδραστικές εφαρμογές στις οποίες ο χρήστης συμμετέχει ενεργά στον χειρισμό της εφαρμογής. Εικόνα 2. 30: Εφαρμογή στα παιχνίδια Εικόνα 2. 31: Εφαρμογή στις ταινίες 31

32 Βιομηχανία. Τα multimedia χρησιμοποιούνται στην βιομηχανία από managers για να φτιάξουν παρουσιάσεις. Χρησιμοποιούνται επίσης για να βοηθήσουν στην εκπαίδευση των εργαζομένων αλλά και στην διαφήμιση των προϊόντων της εταιρείας τους. Διαφήμιση. Η περιοχή των διαφημίσεων ήταν από τις πρώτες που βρήκαν εφαρμογή τα multimedia. Αρχικά δημιουργήθηκαν πινακίδες στους δρόμους για την προώθηση των προϊόντων. Στη συνέχεια σποτάκια στην τηλεόραση και τώρα βλέπουμε διαφημίσεις παντού στο internet. Εικόνα 2. 32:Παράδειγμα στην διαφήμιση Εικόνα 2. 33:Παράδειγμα στην διαφήμιση Ιατρική. Τα multimedia βρίσκουν εφαρμογή και στον τομέα της ιατρικής. Χρησιμοποιούνται από την εκπαίδευση των γιατρών, στην εκτέλεση δύσκολων και εξαιρετικά μεγάλης ακρίβειας εγχειρίσεις από ρομπότ, μέχρι και στην έρευνα Multimedia και το μέλλον Καθώς η τεχνολογία εξελίσσεται, το ίδιο θα γίνεται και με τα multimedia. Σήμερα υπάρχουν αρκετές νέες τεχνολογίες media που χρησιμοποιούνται για να δημιουργήσουν την πλέον ολοκληρωμένη multimedia εμπειρία. Για παράδειγμα, η εικονική πραγματικότητα προσομοιώνει την αίσθηση της αφής με βίντεο και εικόνα για να οδηγήσει τον άνθρωπο σε έναν εικονικό κόσμο. Άλλες τεχνολογίες media αναπτύσσονται για να δημιουργήσουν την 32

33 αίσθηση της οσμής έτσι ώστε να μπορεί να μεταδοθεί μέσω του internet. Τα σημερινά βίντεοπαιχνίδια έχουν παρόμοια αλληλεπίδραση με την αληθινή ζωή. Για παράδειγμα, ο παίχτης νιώθει μια δόνηση στον μοχλό του όταν τρακάρει ή πεθαίνει ο χαρακτήρας του. Επιπρόσθετα, καθώς οι υπολογιστές αυξάνουν την ισχύ τους, νέοι τρόποι ενσωμάτωσης και χρήσης media θα κάνουν την multimedia εμπειρία περίπλοκη και συναρπαστική Blogs & Multimedia Τα multimedia έχουν βρει εφαρμογή στο διαδίκτυο και κατά επέκταση και στα blogs. Τα blogs στην πρώτη τους μορφή μπορεί να αποτελούταν μόνο από κείμενο αλλά πλέον τα πράγματα είναι πολύ διαφορετικά. Πλέον όλα τα blogs περιέχουν τουλάχιστον φωτογραφίες. Με την ανάπτυξη του διαδικτύου είναι εύκολο να βρει κάποιος φωτογραφίες για οποιοδήποτε θέμα θελήσει και μπορεί εύκολα να την τοποθετήσει στο blog. Εικόνα 2. 34: Εικόνες και κείμενο σε blogs Εικόνα 2. 35: Εικόνες και κείμενο σε blogs 33

34 Επίσης, κάτι το οποίο παρατηρείται πλέον πολύ συχνά στα blogs είναι η παρουσία videos κυρίως, από την δημοφιλή πλατφόρμα YouTube. Η χρήση τους αυξάνει τον χρόνο παραμονής του χρήστη στο ιστολόγιο και αυτόματα τις πιθανότητες να το ξαναεπισκεφθεί. Εικόνα 2. 36: Βίντεο σε blog Εκτός των άνω, μπορούμε να δούμε και άλλες μορφές multimedia μέσα στα blogs, από την επιλογή να ακούσουμε ραδιόφωνο μέχρι να παίξουμε και διάφορα παιχνίδια. Εικόνα 2. 37: Ραδιόφωνο σε blog Εικόνα 2. 38: Παιχνίδι σε blog 34

35 Η εισαγωγή εικόνων και βίντεο στα blogs γίνεται με την χρήση εύχρηστων φορμών κατάλληλα διαμορφωμένους από την blogger υπηρεσία. Τέτοια παραδείγματα βλέπουμε στις εικόνες 39 και 40 παρακάτω. Εικόνα 2. 39: Φόρμα εισαγωγής εικόνας Εικόνα 2. 40: Φόρμα εισαγωγής βίντεο Συμπεράσματα Εν κατακλείδι, βλέπουμε ότι τα multimedia έχουν κατακλύσει το διαδίκτυο και κατά επέκταση τα blogs. Από την στιγμή της άνθισής τους και της ευρείας χρησιμοποίησης τους, έχει αλλάξει η εικόνα των ιστολογίων σε τεράστιο βαθμό. Τα blogs έχουν γίνει περισσότερο αρεστά, ελκυστικότερα στον χρήστη και πιο ευχάριστα στην παρακολούθηση. Η σωστή χρήση τους βοηθάει στην συνεχή παρακολούθηση από μέρους των χρηστών (κάτι το οποίο είναι και ο σκοπός των bloggers). Πλέον μία ανάρτηση που συνοδεύεται από μία εικόνα, ένα βίντεο ή ένα animation μαγνητίζει περισσότερο την προσοχή του αναγνώστη από μία απλή ανάρτηση μόνο με κείμενο. Αυτός είναι και ο λόγος που οι υπηρεσίες blog έχουν απλοποιήσει κατά πολύ την διαδικασία εισαγωγής εικόνων και βίντεο, με διάφορες επιλογές όσον αφορά την τοποθέτησή τους και την μορφή τους, ανάλογα με τα γούστα του εκάστοτε blogger. 35

36 2.7 Web Search & SEO Εισαγωγή Τα ιστολόγια με την πάροδο του χρόνο αυξάνονται καθημερινά. Ο κάθε συγγραφέας / κάτοχος ιστολογίου, θέλει το blog του να έχει μεγάλη επισκεψιμότητα, να γίνει γνωστό στο χώρο του blogging και να επιστρέφεται στις πρώτες επιλογές στις μηχανές αναζήτησης. Για να γίνει αυτό δυνατόν πρέπει να τηρούνται κάποιοι κανόνες και να δομηθεί με τέτοιο τρόπο, έτσι ώστε να είναι φιλικό προς τις μηχανές αναζήτησης Μηχανές Αναζήτησης Σύμφωνα με το [8] μηχανή αναζήτησης είναι μία εφαρμογή που επιτρέπει την αναζήτηση κειμένων και αρχείων στο διαδίκτυο. Αποτελείται από ένα πρόγραμμα που βρίσκεται σε έναν ή περισσότερους υπολογιστές, στους οποίους δημιουργεί μια βάση δεδομένων με τις πληροφορίες που συλλέγει. Το διαδραστικό περιβάλλον εμφανίζεται στον τελικό χρήστη, ο οποίος χρησιμοποιεί την εφαρμογή από έναν υπολογιστή συνδεδεμένο στο διαδίκτυο. Τα αποτελέσματα συνήθως παρουσιάζονται σε μια λίστα και ονομάζονται hits. Οι πληροφορίες μπορούν να αποτελούνται από web σελίδες, εικόνες και άλλα είδη αρχείων. Μερικές σελίδες χρησιμοποιούν επίσης εξόρυξη δεδομένων που είναι διαθέσιμα σε βάσεις δεδομένων ή σε ανοιχτούς καταλόγους. Σε αντίθεση με τις web τοποθεσίες όπου διατηρούνται από ανθρώπους, οι μηχανές αναζήτησης λειτουργούν αλγοριθμικά ή είναι ένα μίγμα ενός αλγορίθμου και μιας ανθρώπινης εισόδου. Οι μηχανές αναζήτησης χρησιμοποιούνται πολύ από το αγοραστικό κοινό παγκοσμίως με αποτέλεσμα να αποτελούν ένα σημαντικό μέρος στην κατανάλωση και την διαφήμιση. Οι καταναλωτές ψάχνουν με «λέξεις κλειδιά» για προϊόντα μέσω των μηχανών αναζήτησης. Οι εταιρείες που θέλουν να προβληθούν στις μηχανές αναζήτησης πληθαίνουν, υπάρχει μεγάλος ανταγωνισμός για τις πρώτες θέσεις στις ιστοσελίδες αποτελεσμάτων αναζήτησης, κάτι που οδήγησε στην ανάπτυξη ενός άλλου κλάδου, του search engine optimization (SEO) που περιλαμβάνει τεχνικές κατασκευής και δικτύωσης ιστοσελίδων που να προσφέρουν καλύτερες θέσεις στα αποτελέσματα. Μία μηχανή αναζήτησης λειτουργεί με την ακόλουθη σειρά: 1. Web crawling 2. Indexing 3. Searching 36

37 Οι μηχανές αναζήτησης αποθηκεύουν πληροφορίες από πολλές σελίδες τις οποίες τις παίρνουν από τον ιστό. Αυτές οι σελίδες ανακτώνται από έναν Web Crawler (spider), έναν αυτόματο web browser το οποίο ακολουθεί όποιο link συναντήσει. Έπειτα, το περιεχόμενο της κάθε σελίδας αναλύεται για να διαπιστωθεί πως θα πρέπει να δεικτοδοτηθεί (indexing). Δεδομένα για τις σελίδες αποθηκεύονται σε μια βάση δεδομένων για τυχόν χρήση σε μετέπειτα ερωτήματα. Μερικές μηχανές αναζήτησης όπως είναι η Google, αποθηκεύουν όλο η μέρος της σελίδας πηγής (cached) καθώς επίσης και πληροφορίες για τις σελίδες, ενώ άλλες όπως είναι η AltaVista αποθηκεύουν κάθε λέξη της σελίδας που βρίσκουν. Όταν ο χρήστης πληκτρολογεί το ερώτημα σε μια μηχανή αναζήτησης, η μηχανή εξετάζει το ευρετήριό της και παρέχει μια λίστα με τις πιο κατάλληλες σελίδες σύμφωνα με αυτά τα κριτήρια, συνήθως με μια μικρή σύνοψη που περιέχει τον τίτλο του εγγράφου και μερικές φορές κομμάτι του κειμένου. Οι περισσότερες μηχανές αναζήτησης υποστηρίζουν τους λογικούς τελεστές AND, OR και NOT. Μερικές μηχανές παρέχουν μια προηγμένη λειτουργία που ονομάζεται proximity search, η οποία επιτρέπει στους χρήστες να καθορίζουν την απόσταση μεταξύ των keywords. Η αποτίμηση των μηχανών αναζήτησης προκύπτει σύμφωνα με τα παρακάτω κριτήρια: Ακρίβεια - από το σύνολο των εγγράφων που επέστρεψε η μηχανή, πόσα είναι σχετικά; Κάλυψη από το σύνολο των σχετικών εγγράφων πόσα επέστρεψε η μηχανή; Ταχύτητα απάντησης Χαλασμένοι σύνδεσμοι Πολλαπλές όμοιες απαντήσεις Σχετικά αποτελέσματα μέσα στην πρώτη σελίδα αποτελεσμάτων Εικόνα 2. 41: Η δομή μιας μηχανής αναζήτησης 37

38 Εικόνα 2. 42: Ποσοστά χρήσης διάφορων μηχανών αναζήτησης 2012 Search Engine Total Market Share Google - Global 82.01% Yahoo - Global 6.46% Baidu 5.47% Bing 4.10% Ask - Global 0.52% AOL - Global 0.33% Excite - Global 0.03% Lycos - Global 0.01% AltaVista - Global 0.00% Όπως βλέπουμε και από τα στατιστικά παραπάνω, από τα μέχρι τώρα ποσοστά χρήσης των μηχανών αναζήτησης, το μεγαλύτερο μερίδιο το κατέχει η Google. Το σημείο κλειδί της επιτυχίας της είναι ο αλγόριθμος αναζήτησης που χρησιμοποιεί, ο PageRank, με τον οποίο επιστρέφονται συνήθως τα καλύτερα αποτελέσματα στον χρήστη. 38

39 PageRank Ο PageRank είναι ένας αλγόριθμος ανάλυσης συνδέσμων που χρησιμοποιείται από την Google, και ο οποίος θέτει ένα βάρος σε κάθε στοιχείο μιας σειράς υπέρ-συνδεδεμένων εγγράφων όπως είναι ο Παγκόσμιος Ιστός. Το βάρος που ανατίθεται σε κάθε έγγραφο, είναι σχετικό με την σπουδαιότητα αυτού του εγγράφου. Η Google περιγράφει τον PageRank ως εξής: Ο PageRank βασίζεται στη μοναδική δημοκρατική φύση του ιστού, χρησιμοποιώντας την χαώδη δομή συνδέσμων ως ένα δείκτη για την αξία της κάθε σελίδας. Στην ουσία, η Google ερμηνεύει ένα σύνδεσμο από μια σελίδα Α σε μια σελίδα Β, ως μία ψήφο από τον Α στον Β. Δεν κοιτάει όμως μόνο τον αριθμό των ψήφων (συνδέσμων) που μια σελίδα δέχεται. Αναλύει επίσης και την σελίδα που «ρίχνει την ψήφο», δηλαδή οι σύνδεσμοι μιας σελίδας που θεωρείται σημαντική, έχουν μεγαλύτερο βάρος και βοηθάνε στο να γίνουν και άλλες σελίδες σημαντικές. Η Google αναθέτει ένα βάρος από 0 μέχρι 10 σε κάθε σελίδα στο Internet. Αυτό το βάρος δείχνει την σπουδαιότητα της σελίδας στην Google. Το βάρος αυτό, παράγεται από μια θεωρητική πιθανολογική τιμή πάνω σε μια λογαριθμική κλίμακα, όπως αυτή του Richter. Το βάρος αυτό υπολογίζεται τόσο από τον αριθμό των εισερχόμενων συνδέσμων και από τα βάρη των σελίδων που δίνουν τους συνδέσμους, όσο και από άλλους παράγοντες όπως η σχετικότητα των search-words στην σελίδα καθώς και οι επισκέψεις στην σελίδα. Ο PageRank είναι μία πιθανολογική κατανομή που χρησιμοποιείται για να αναπαραστήσει την πιθανότητα του ένα άτομο κάνοντας τυχαία κλικ στους συνδέσμους να φτάσει στην συγκεκριμένη σελίδα. Ο αλγόριθμος μπορεί να εφαρμοστεί για συλλογές κειμένων οποιουδήποτε μεγέθους. Ο υπολογισμός του PageRank χρειάζεται αρκετά «περάσματα», που ονομάζονται «επαναλήψεις», ανά την συλλογή έτσι ώστε η τιμή που θα προκύψει να είναι κοντά στην θεωρητική. Ο PageRank δεν βαθμολογεί τις σελίδες ως ένα σύνολο, αλλά καθορίζεται για κάθε σελίδα ξεχωριστά. Επιπλέον, ο PageRank της σελίδας Α καθορίζεται περιοδικά από τις βαθμολογίες PageRank των σελίδων που δείχνουν στον Α. Ο PageRank των σελίδων Ti που δείχνουν στην σελίδα Α δεν επηρεάζουν τον αντίστοιχο της Α ομοιόμορφα. Με βάση τον αλγόριθμο ο PageRank μιας σελίδας Τ, καθορίζεται πάντα από τον αριθμό των εξερχόμενων συνδέσμων C(T). Αυτό σημαίνει ότι όσο περισσότερους εξωτερικούς συνδέσμους έχει μια σελίδα, τόσο λιγότερο ευνοείται η σελίδα Α που τους δέχεται. Έπειτα ο PageRank των σελίδων Ti αθροίζεται. Το αποτέλεσμα αυτού, είναι ότι ένας επιπλέον εισερχόμενος σύνδεσμος στην σελίδα Α πάντα θα αυξάνει τον PageRank της. Τελικά, το άθροισμα των PageRank όλων των σελίδων Ti πολλαπλασιάζεται με έναν παράγοντα απόσβεσης d που μπορεί να πάρει τιμές από 0 μέχρι 1. Με αυτόν τον τρόπο, το μέγεθος του πλεονεκτήματος που δέχεται μια σελίδα από μια άλλη μειώνεται. 39

40 Βλέπουμε δηλαδή πως υπάρχουν δύο τρόποι με τους οποίους μπορεί να επηρεαστεί ο PageRank μιας σελίδας. Ο αριθμός των εισερχόμενων συνδέσμων. Προφανώς, όσοι περισσότεροι τόσο το καλύτερο. Επιπρόσθετα, εκτός από το παραπάνω συμπεραίνουμε πως κανένας σύνδεσμος δεν μπορεί να έχει αρνητική επίπτωση στον PageRank στην σελίδα όπου δείχνει. Στην χειρότερη περίπτωση δεν θα έχει καμία επίπτωση. Ο αριθμός των εξερχομένων συνδέσμων από μια σελίδα προς την σελίδα μας. Όσο λιγότερες τόσο το καλύτερο. Δηλαδή, αν υπάρχουν δύο σελίδες με ίσο βαθμό στον PageRank που δείχνουν στην σελίδα μας, η μία με 5 links και η άλλη με 10 links, τότε θα έχουμε διπλάσια αύξηση στον PageRank από την σελίδα με τους 5 συνδέσμους. Δεν λαμβάνονται υπόψη όλοι οι σύνδεσμοι. Για παράδειγμα, σύνδεσμοι από γνωστές link farms φιλτράρονται. Μερικοί σύνδεσμοι μπορούν να οδηγήσουν μια σελίδα να τιμωρηθεί από την Google. Έχουν σωστά σκεφτεί, ότι δεν μπορεί κάποιος να ελέγξει τους εισερχόμενους συνδέσμους στην σελίδα του, αλλά μπορεί να ελέγξει τους εξερχόμενους. Γι αυτόν τον λόγο εισερχόμενοι σύνδεσμοι δεν μπορούν να έχουν αρνητική επίπτωση, αλλά εξερχόμενοι σύνδεσμοι που δείχνουν σε μια τιμωρημένη σελίδα μπορεί να είναι επιβλαβείς. Επίσης σύνδεσμοι που δείχνουν μέσα στην ίδια την σελίδα δεν λαμβάνονται υπόψη στον υπολογισμό. Ένα άλλο αξιοπρόσεχτο σημείο είναι τα dangling links. Αυτά είναι links που δείχνουν σε σελίδες οι οποίες δεν έχουν καθόλου εξερχόμενους συνδέσμους, ή σελίδες όπου η Google δεν τις έχει καταχωρήσει ακόμη. Επειδή τα dangling links δεν επηρεάζουν άμεσα την βαθμολόγηση άλλων σελίδων, αφαιρούνται κατά την διάρκεια του υπολογισμού και επανατοποθετούνται στο τέλος. Εικόνα 2. 43: Ο PageRank των σελίδων σε σχέση με τους εισερχόμενους συνδέσμους 40

41 Η λειτουργία του αλγορίθμου φαίνεται παρακάτω. Απλουστευμένη μορφή Στην γενική περίπτωση, η τιμή του PageRank για κάποια σελίδα u μπορεί να εκφραστεί ως: PR(u) είναι το βάρος της σελίδας u που θέλουμε να υπολογίσουμε, PR(v) το αρχικό βάρος της σελίδας v που δείχνει στην u και L(v) ο συνολικός αριθμός συνδέσμων από την σελίδα v. Η αρχική προσέγγιση του PageRank μοιράζεται ίσα ανάμεσα στις σελίδες. Αν έχουμε για παράδειγμα 4 σελίδες, κάθε σελίδα θα πάρει ένα αρχικό βάρος 0,25. Από εκεί και πέρα, το βάρος της κάθε σελίδας εξαρτάται τόσο από τους συνδέσμους που δέχεται από τις άλλες σελίδες, όσο και από τον συνολικό αριθμό των συνδέσμων των σελίδων αυτών. Αν έχουμε για παράδειγμα τέσσερις σελίδες A,B,C και D, θα πάρουν αρχικά από ένα βάρος 0,25. Έστω τώρα ότι η B δείχνει στην Α και στην C, η C δείχνει στην A, ενώ η D δείχνει στις A,B,C. Ο γενικός τύπος για την Α τότε θα ήταν: Παράγοντας Απόσβεσης Ο PageRank υποστηρίζει την θεωρία του random surfer, ότι δηλαδή κάποιος που πατάει τυχαία συνδέσμους, κάποια στιγμή θα σταματήσει. Η πιθανότητα σε κάθε βήμα να συνεχίσει είναι ο παράγοντας απόσβεσης d. Αυτός ο παράγοντας έχει υπολογιστεί πειραματικά στην τιμή 0,85. Σύμφωνα λοιπόν με τα παραπάνω, ο γενικός τύπος παίρνει την παρακάτω μορφή: Όπου Ν ο συνολικός αριθμός των σελίδων. 41

42 Βλέπουμε λοιπόν, πως το βάρος της κάθε σελίδας προέρχεται από τα βάρη των άλλων σελίδων. Ο παράγοντας απόσβεσης d, ρυθμίζει το βάρος προς τα κάτω. Η Google επαναϋπολογίζει το βάρος (PageRank) κάθε φορά που κάνει crawl στο διαδίκτυο και ξαναφτιάχνει τον κατάλογό της. Καθώς η Google αυξάνει τον αριθμό των εγγράφων στην συλλογή της, η αρχική προσέγγιση του PageRank ελαττώνεται για όλα τα έγγραφα. Εάν βρεθεί σε κάποια σελίδα η οποία δεν έχει links, ή σε ένα loop όπου κάποιες σελίδες δείχνουν η μία στην άλλη (rank sink), για να συνεχιστεί ο αλγόριθμος επιλέγεται τυχαία μια άλλη διεύθυνση URL. Το κύριο μειονέκτημα είναι ότι ευνοεί τις παλιότερες σελίδες, καθώς μια καινούρια σελίδα, ακόμα και αν είναι πολύ καλή δεν θα έχει πολλούς συνδέσμους εκτός αν είναι μέρος ενός ήδη υπάρχοντος site. [1],[14],[15] SEO Ο όρος SEO (Search Engine Optimization) περιγράφει όλες εκείνες τις διαδικασίες επεμβάσεις που πρέπει να γίνουν στη δομή και στο περιεχόμενο μιας ιστοσελίδας έτσι ώστε να είναι όσο το δυνατόν πιο φιλική στις μηχανές αναζήτησης. Τελικός στόχος είναι η υψηλή κατάταξη του ιστοχώρου και η αύξηση της επισκεψιμότητας της σελίδας μέσω οργανικών αποτελεσμάτων, δηλαδή αποτελεσμάτων χρηστών του Internet που ψάχνουν λέξεις κλειδιά που αφορούν το περιεχόμενο της σελίδας. Ένα από τα σημαντικότερα στοιχεία που πρέπει να περιλαμβάνεται στην σελίδα ώστε να βοηθά στην καλύτερη κατάταξη είναι η συνάφεια μεταξύ του τίτλου, της περιγραφής, των λέξεων κλειδιών και του περιεχομένου της κάθε σελίδας. Αμφιλεγόμενο σημείο αποτελούν τα meta-tags. Δεν έχει διαπιστωθεί επακριβώς πόσο προσμετρούνται από τις μηχανές αναζήτησης, ωστόσο η σύσταση των ειδικών είναι να συμπληρώνονται σωστά τα πεδία για λέξεις-κλειδιά και η μετα-περιγραφή. Αξίζει να σημειωθεί ότι οι «καθαρές» ιστοσελίδες έχουν ελαφρώς διαφορετική αντιμετώπιση από τις μηχανές αναζήτησης σε σχέση με τα blogs, για τα οποία ισχύουν διαφορετικοί κανόνες. Τα blogs είναι από την φύση τους φιλικά ως προς τις μηχανές αναζήτησης και αυτό γιατί έχουν μια καθορισμένη αρχιτεκτονική δομή, ανανεώνονται συχνά, είναι πλούσια σε κείμενο και σε links. 42

43 Εικόνα 2. 44: Η διαδικασία του SEO SEO & Blogs Τα ιστολόγια υπερτερούν σε σχέση με τις υπόλοιπες κλασσικές ιστοσελίδες όσον αφορά το SEO. Το μεγαλύτερο πλεονέκτημά τους είναι η δομημένη μορφή τους. Το περιεχόμενο είναι σταθερό και κατανοητό τόσο από τους ανθρώπους όσο και από τις μηχανές αναζήτησης. Επιπλέον τα απλά URLs που παράγουν τα blogs, διευκολύνουν τους crawlers στην εύρεσή τους και την εξερεύνησή τους. Έχοντας επίσης συχνά νέο περιεχόμενο, οι crawlers των μηχανών αναζήτησης επισκέπτονται όλο και περισσότερο το ιστολόγιο. Έτσι, θα εμφανίζεται στα αποτελέσματα πιο γρήγορα. Ένα άλλο σημείο το οποίο μπορεί να αυξήσει κατά πολύ την επισκεψιμότητα του ιστολογίου και την εμφάνιση στα αποτελέσματα είναι το back-linking από άλλα ιστολόγια. Όσα περισσότερα blogs δείχνουν στο δικό μας τόσο περισσότερο αυξάνει το ranking. Θετικά συμμετέχει και το RSS Feed, το οποίο εάν το συμπεριλάβουν άλλες σελίδες στο περιεχόμενό τους, συμβάλλει στην δημιουργία επιπλέον κίνησης αφού δημιουργεί πληθώρα συνδέσμων. 43

44 Άλλα σημεία τα οποία ωφελούν στην αύξηση του ranking είναι η σωστή επιλογή keywords τόσο του ίδιου του ιστολογίου όσο των άρθρων αλλά και των εικόνων σε κάθε ένα άρθρο. Επίσης η παρουσίαση και η διαμοίραση του ιστολογίου θα πρέπει να γίνεται σε κοινό το οποίο είναι πολύ πιθανόν να ενδιαφέρεται για την θεματολογία και άρα οι πιθανότητες να το προβάλλουν και οι ίδιοι είναι αυξημένες. Εικόνα 2. 45: Blog Seo 44

45 3 ο Κεφάλαιο - Εξατομίκευση 3.1 Εισαγωγή «Η συγκέντρωση και ανάλυση δεδομένων αναφορικά με τους χρήστες μίας ιστοσελίδας, με στόχο την προβολή της κατάλληλης πληροφορίας στον κάθε χρήστη, στον σωστό χρόνο.» (Mulvenna et al., 2000) «Οποιαδήποτε ενέργεια που προσαρμόζει την πληροφορία ή τις υπηρεσίες που παρέχονται από ένα web site, στη γνώση που κερδίζουμε από την πλοηγητική συμπεριφορά των χρηστών και τα ατομικά τους ενδιαφέροντα, σε συνδυασμό με το περιεχόμενο και τη δομή του web site.» (Eirinaki καιvazirgiannis, 2003) Η εξατομίκευση θεωρείται ως μία one to one μέθοδος marketing, αφού προσαρμόζει τα δεδομένα και της πληροφορίες μίας ιστοσελίδας ή ενός συστήματος, έτσι ώστε να καλύπτουν τις ανάγκες και τις προτιμήσεις του κάθε χρήστη ξεχωριστά. Η πλοήγηση του χρήστη γίνεται ευκολότερη, πιο φιλική και πιο αποδοτική, αφού του παρουσιάζεται μόνο ό,τι χρειάζεται και θέλει να δει. Αυτόματα αυτό οδηγεί στην ικανοποίησή του και άρα εξυπηρετούνται οι επιχειρηματικοί στόχοι. Οι λειτουργίες της εξατομίκευσης γίνονται αυτόματα στο background, δίχως ο χρήστης να έχει την δυνατότητα ελέγχου. Ο χρήστης βλέπει μόνο τα αποτελέσματα των λειτουργιών και έχει την δυνατότητα κριτικής αυτών των αποτελεσμάτων, μία διαδικασία που συνεισφέρει στην κατανόηση του προφίλ του. Γι αυτό δεν πρέπει να συγχέεται ο όρος προσωποποίηση με τον όρο παραμετροποίηση, όπου ο χρήστης δηλώνει ρητά τι θέλει και τι δεν θέλει να βλέπει (π.χ. Page layout). Το πεδίο εφαρμογών της εξατομίκευσης είναι πολύ μεγάλο και περιλαμβάνει τομείς όπως το ηλεκτρονικό εμπόριο (προτάσεις προϊόντων και υπηρεσιών, διαμόρφωση αρχικής σελίδας ηλεκτρονικών καταστημάτων), πληροφοριακές πύλες (προτάσεις νέων όπως google news, yahoo news), περιβάλλοντα ηλεκτρονικής μάθησης (προτάσεις μαθημάτων, προσαρμογές εκπαιδευτικού υλικού), μηχανές αναζήτησης (προβολή εξατομικευμένων αποτελεσμάτων). Η εξατομίκευση υπό την μορφή της πρότασης προϊόντων και υπηρεσιών, αποτελεί έναν ταχύτατα αναπτυσσόμενο τομέα στο χώρο του διαδικτύου. Μεγάλες εταιρίες (Google, Yahoo, Amazon κ.α.) έχουν επιδοθεί σε έναν αγώνα δρόμου για την δημιουργία αποδοτικών αλγορίθμων, οι οποίοι θα καταφέρνουν να αποτυπώνουν με περισσότερη ακρίβεια το προφίλ των χρηστών, να μαντεύουν και να ικανοποιούν τις ανάγκες τους πριν καν το ζητήσουν, πριν καν το χρειαστούν. Γενικώς, σε ένα web σύστημα ένας προσεγμένος και σωστός αλγόριθμος εξατομίκευσης μπορεί να κάνει τη διαφορά από το «καλό» στο «πολύ καλό». Το «θετικό» σε αυτόν τον τομέα είναι ότι δεν επιβάλλονται περιορισμοί. Το πόσο πετυχημένο θα κριθεί ένα 45

46 σύστημα επαφίεται στην φαντασία και ικανότητα του προγραμματιστή και στο σωστό marketing. 3.2 Βασικές Λειτουργίες Η λειτουργία της εξατομίκευσης αποτελείται από τα εξής στάδια 1) Συλλογή δεδομένων των χρηστών, 2) Ανάλυση των δεδομένων, 3) Προσαρμογή των πληροφοριών σύμφωνα με τα προφίλ των χρηστών, 4) Παρουσίαση των πληροφοριών στον χρήστη. Εικόνα 3. 1: Στοιχεία ενός personalization system Υπάρχουν τριών ειδών τρόποι για την συλλογή των δεδομένων από τους χρήστες. Με τον πρώτο explicit profiling, ο χρήστης δηλώνει ρητά στο σύστημα τις προτιμήσεις του. Τα θετικά αυτής της μεθόδου είναι ότι αφήνει τους χρήστες να υπαγορεύσουν μόνοι τους τι τους ενδιαφέρει. Το μειονέκτημα είναι ότι πολλές φορές αμελούν να συμπληρώσουν το προφίλ τους, ή δεν δίνουν σημασία στη σωστή συμπλήρωσή του. Με τον δεύτερο τρόπο implicit profiling, καταγράφεται η πλοηγητική συμπεριφορά του χρήστη μέσα στον ιστότοπο, και στη 46

47 συνέχεια γίνεται ανάλυση αυτών των δεδομένων. Το πλεονέκτημα αυτής της χρήσης είναι ότι αποφορτίζει τον χρήστη από επιπρόσθετες ενέργειες και του δίνει μόνο στο τέλος τα αποτελέσματα της ανάλυσης. Το μειονέκτημα της μεθόδου είναι ότι συνήθως χρειάζεται κάποιος χρόνος μέχρι να μάθει και να αποτυπώσει το σύστημα με ασφάλεια το προφίλ του χρήστη. Με τον τρίτο τρόπο legacy data καταγράφονται και αναλύονται πιστωτικές πληροφορίες ή προηγούμενες αγορές. Το πλεονέκτημα αυτής της μεθόδου είναι η ταχύτητα, αφού όλες οι απαιτούμενες πληροφορίες βρίσκονται ήδη αποθηκευμένες στη βάση του συστήματος. Στη συνέχεια και αφού συγκεντρωθούν όλες οι πληροφορίες, πρέπει να υποστούν ένα «φιλτράρισμα». Αρχικά πρέπει να κρατήσουμε ό,τι πληροφορία είναι πραγματικά χρήσιμη για τον εκάστοτε σκοπό μας, να συνδυάσουμε όλες τις πληροφορίες μαζί έτσι ώστε να σχεδιαστούν διάφορα πρότυπα (patterns) και τέλος σύμφωνα με κάθε τέτοιο πρότυπο να προχωρήσουμε στην εξατομίκευση των υπηρεσιών σε κάθε χρήστη ξεχωριστά. Εικόνα 3. 2: Επισκόπηση τεχνικών προσωποποίησης 47

48 3.3 Φιλτράρισμα Πληροφοριών Εισαγωγή Για να γίνει σωστά η εξατομίκευση, να δημιουργηθούν σωστά προφίλ για τους χρήστες και στη συνέχεια οι κατάλληλες προτάσεις, πρέπει να αναλυθούν οι πληροφορίες που συλλέγουμε. Η συλλογή και η ανάλυση αυτών των πληροφοριών μπορεί να γίνει με διαφορετικούς τρόπους, ανάλογα με το αποτέλεσμα που θέλουμε να πετύχουμε, το είδος των πληροφοριών που κατέχουμε καθώς και το πλήθος τους. Υπάρχουν λοιπόν αρκετοί τρόποι φιλτραρίσματος όπως το δημογραφικό, το collaborative, το utility based, το content based και το knowledge based. Ανάλογα λοιπόν με τις παραμέτρους του κάθε συστήματος πρέπει να γίνει η σωστή επιλογή κάποιων τεχνικών ή ένας συνδυασμός αυτών (υβριδικές μέθοδοι) για να πετύχουμε σωστές προτάσεις. Αυτό που πρέπει να λαμβάνεται επίσης υπόψη είναι τα πλεονεκτήματα και τα μειονεκτήματα της κάθε μεθόδου. Πρέπει να τονιστεί ότι ένας αποτελεσματικός συνδυασμός των μεθόδων αυτών μπορεί να οδηγήσει στην βελτίωση της συνολικής εικόνας του συστήματος, αφού τα θετικά χαρακτηριστικά της μιας μεθόδου μπορεί να επικαλύπτουν τα αρνητικά μιας άλλης. Εικόνα 3. 3: Λειτουργία προσωποποιημένου συστήματος 48

49 3.3.2 Collaborative Τεχνική Η collaborative μέθοδος φιλτραρίσματος είναι από τις πιο διαδεδομένες και ευρέως χρησιμοποιούμενη τεχνική. Η αρχή της είναι απλή στην κατανόηση. Το σύστημα συγκρίνει τους χρήστες έτσι ώστε να βρει κοινά σημεία επαφής, και στη συνέχεια προχωράει στην πρόταση των προϊόντων με βάση την συμπεριφορά χρηστών που ανήκουν στο ίδιο προφίλ. Οι χρήστες βαθμολογούν τα προϊόντα του συστήματος και αυτό στη συνέχεια προτείνει προϊόντα τα οποία έχουν προτιμήσει χρήστες με παρόμοια συμπεριφορά, θεωρώντας ότι έχουν και παρόμοιες προτιμήσεις. Εικόνα 3. 4: Παράδειγμα collaborative τεχνικής Η μέθοδος συναντάται με δύο μορφές, την user based collaborative μέθοδο και την item based collaborative μέθοδο. Στην πρώτη μορφή, user based, το σύστημα βρίσκει χρήστες με παρόμοιο προφίλ και προτείνει αντικείμενα τα οποία είναι κοινά ανάμεσα στους χρήστες και έχουν περίοπτη θέση. 49

50 Εικόνα 3. 5: User Based Collaborative Τεχνική Στην δεύτερη μορφή, item based, το σύστημα δημιουργεί σχέσεις μεταξύ των αντικειμένων και προχωράει στις προβλέψεις με βάση αυτές τις σχέσεις. Βρίσκει αντικείμενα τα οποία έχουν λάβει παρόμοιους βαθμούς ανάμεσα στους όμοιους χρήστες. Εικόνα 3. 6: Item Based Collaborative Τεχνική 50

51 Τα πλεονεκτήματα αυτής της μεθόδου είναι ότι δεν χρειάζεται άμεση τροφοδότηση από τους χρήστες και επίσης μπορεί να χρησιμοποιηθεί εξίσου καλά για διαφορετικού είδους αντικείμενα όπως είναι ταινίες, μουσική, άρθρα, εστιατόρια κ.α. Όπως είναι λογικό, όσο μεγαλύτερο μέγεθος δείγματος προς σύγκριση έχουμε, τόσο καλύτερα είναι τα αποτελέσματα που δίνει. Αυτό ακριβώς όμως είναι και το μειονέκτημά της. Εάν οι χρήστες του συστήματος έχουν βαθμολογήσει λίγα προϊόντα, τότε οι προτάσεις του συστήματος θα περιοριστούν μόνο σε εκείνα τα προϊόντα. Εδώ θα πρέπει να τονιστεί ότι παρόμοιοι χρήστες τείνουν να βαθμολογούν παρόμοια αντικείμενα. Αυτό είναι το λεγόμενο sparsity problem. Ένα άλλο μειονέκτημα είναι το cold start problem / start up problem / ramp up problem. Μπορεί να δημιουργηθεί σε δύο περιπτώσεις. Η μία είναι όταν υπάρχει ένας νέος χρήστης στο σύστημα, όπου δεν δύναται να υπάρξουν προτάσεις αφού δεν έχει αναλυθεί το προφίλ του. Η δεύτερη περίπτωση είναι ότι γίνεται η εισαγωγή ενός νέου προϊόντος, αφού δεν έχει προλάβει να βαθμολογηθεί και οπότε δεν προκύπτει στις προτάσεις. Το τρίτο πρόβλημα αυτής της τεχνικής είναι η «γκρίζα ζώνη». Σε αυτήν την περίπτωση ορισμένοι χρήστες δεν κατηγοριοποιούνται ακριβώς με αποτέλεσμα να μην δημιουργούνται σωστές προτάσεις. Εικόνα 3. 7: Collaborative Filtering 51

52 3.3.3 Content based Τεχνική Στην content based μέθοδο για κάθε αντικείμενο δημιουργείται ένα «προφίλ», το οποίο αποτελείται από τα χαρακτηριστικά τους. Έτσι στον χρήστη προτείνονται αντικείμενα τα οποία μοιάζουν με αντικείμενα για τα οποία ενδιαφέρθηκε προηγούμενα. Εικόνα 3. 8: Παράδειγμα Content based τεχνικής Όπως και στην collaborative τεχνική η content based τεχνική, δεν χρειάζεται την ρητή τροφοδότηση του χρήστη με πληροφορίες ενώ με την αύξηση του data set παράγει όλο και καλύτερα αποτελέσματα. Από την άλλη όμως πάσχει επίσης από το cold start πρόβλημα, αφού το σύστημα χρειάζεται χρόνο για να μάθει το προφίλ του χρήστη. Το πλεονέκτημα της collaborative έναντι της content based τεχνικής είναι το γεγονός ότι η δεύτερη μέθοδος προτείνει μόνο παραπλήσια προϊόντα. Δεν μπορεί να αποτυπώσει δηλαδή την έννοια της προσωπικότητας του χρήστη, σε αντίθεση με την collaborative που μπορεί να προτείνει προϊόντα διαφορετικά μεταξύ τους τα οποία θα εμπίπτουν όμως στο γούστο του. 52

53 3.3.4 Utility based τεχνική Η συγκεκριμένη μέθοδος προσπαθεί να βασίσει τις προτάσεις της, στις υποδείξεις του χρήστη πάνω σε συγκεκριμένα χαρακτηριστικά. Δημιουργείται μία εξειδικευμένη συνάρτηση για τον κάθε χρήστη, όπου το κάθε χαρακτηριστικό του προϊόντος έχει ένα βάρος. Συνήθως αυτή η utility based συνάρτηση είναι το προφίλ του χρήστη, το οποίο χρησιμοποιείται για την εύρεση των κατάλληλων προτάσεων. Το πλεονέκτημα της συγκεκριμένης μεθόδου αποτελεί ταυτόχρονα και το μειονέκτημά της. Χρησιμοποιώντας μία τέτοια παραμετροποιημένη συνάρτηση το σύστημα μπορεί να επιτελέσει σωστές συγκρίσεις με αποτέλεσμα προτάσεις στα πλαίσια του κάθε χρήστη. Το «αγκάθι» όμως της μεθόδου είναι το πώς θα οδηγηθεί ο χρήστης να συμβάλλει στην δημιουργία μίας τέτοιας συνάρτησης. Χρήστες οι οποίοι δεν έχουν μεγάλη εμπειρία με τους ηλεκτρονικούς υπολογιστές και με διάφορα online συστήματα, είναι πάρα πολύ πιθανόν να αμελήσουν αυτή τη διαδικασία, δηλαδή τη συμπλήρωση του προφίλ τους Knowledge based τεχνική Στην Knowledge based τεχνική το σύστημα δημιουργεί τις προτάσεις του έχοντας μία πρότερη πληροφορία για τον χρήστη καθώς και για τα αντικείμενα, δηλαδή μία πληροφοριακή βάση. Πρέπει δηλαδή να καταφέρει να συσχετίζει τις ανάγκες του χρήστη με τα ιδιαίτερα χαρακτηριστικά του κάθε αντικειμένου. Οι προτιμήσεις του χρήστη μπορούν να προέλθουν από τη συμπλήρωση του προφίλ του, από διάφορα ερωτήματα στη μηχανή αναζήτησης. Στη συνέχεια αναλύονται και ανακαλύπτονται οι σχέσεις μεταξύ αυτών και των προϊόντων. Γι αυτό το λόγο αυτή η τεχνική δεν υποφέρει από το cold start πρόβλημα. Δεν χρειάζεται παρόμοια δεδομένα για ανάλυση, αφού στηρίζεται αποκλειστικά και μόνο στις πληροφορίες του χρήστη. Γενικώς, μπορούμε να δούμε ότι η κάθε μία από τις παραπάνω τεχνικές έχει τα πλεονεκτήματά της και τα μειονεκτήματά της. Αυτό που μένει είναι η σωστή επιλογή και ενδεχομένως συνδυασμός των παραπάνω τεχνικών έτσι ώστε να πετύχουμε το επιθυμητό αποτέλεσμα. 53

54 Τεχνική Πλεονεκτήματα Μειονεκτήματα ->Δεν χρειάζεται τη ρητή ->Cold Start πρόβλημα πληροφορία του χρήστη. ->Πρόβλημα της «γκρίζας ->Βελτιώνεται με την ζώνης» αύξηση του data set. ->Χρειάζεται μεγάλο data ->Μπορεί και προτείνει set προϊόντα διαφορετικά μεταξύ τους Collaborative Content Based Utility Based Knowledge Based ->Δεν χρειάζεται τη ρητή πληροφορία του χρήστη. ->Βελτιώνεται με την αύξηση του data set. ->Δεν υπάρχει το cold start πρόβλημα. ->Ευαίσθητο στις αλλαγές ->Δεν υπάρχει το cold start πρόβλημα. ->Ευαίσθητο στις αλλαγές ->Cold Start πρόβλημα ->Πρόβλημα της «γκρίζας ζώνης» ->Ο χρήστης πρέπει να βοηθήσει στην δημιουργία της συνάρτησης. ->Είναι στατική ->Υψηλό προγραμματιστικό κόστος Υβριδικές Τεχνικές Οι υβριδικές τεχνικές (Burke 2002) είναι ένας συνδυασμός δύο ή περισσότερων των παραπάνω μεθόδων. Συνήθως συνδυάζεται η collaborative μέθοδος με κάποια άλλη τεχνική. Σκοπός αυτού η όσο το δυνατόν ελάττωση των μειονεκτημάτων και μια πιο συμπαγής μέθοδος εξατομίκευσης. Εάν γίνει η σωστή επιλογή και υλοποιηθεί σωστά, ανάλογα και με το είδος του συστήματος, το ποσοστό των σωστών αποτελεσμάτων μπορεί να βελτιωθεί αισθητά. Δεν είναι τυχαίο ότι όλα τα πετυχημένα recommender συστήματα χρησιμοποιούν συνδυασμούς των μεθόδων. Στην weighted μέθοδο το τελικό σκορ ενός αντικειμένου προκύπτει από διάφορες μεθόδους. Κάθε μέθοδος συμβάλλει με κάποιο ποσοστό στο τελικό σκορ. Στην πορεία όμως και ανάλογα με τις κινήσεις του χρήστη, τα ποσοστά μεταβάλλονται και διαμορφώνονται αναλόγως. Με αυτή τη μέθοδο δημιουργείται αυτόματα μία εξατομικευμένη μέθοδος για τον χρήστη που επηρεάζεται από τις κινήσεις του και τα ενδιαφέροντά του και μόνο από αυτά. Στην switched μέθοδο υπάρχει μία εναλλαγή μεταξύ των μεθόδων. Εάν η πρώτη μέθοδος που θα εφαρμοστεί δεν παράγει αρκετά σωστά αποτελέσματα τότε εφαρμόζεται η 54

55 επόμενη στη σειρά μέθοδος. Υπάρχει έτσι μία δυναμικότητα στην οποία το σύστημα προσαρμόζεται στις υπάρχουσες καταστάσεις. Στην mixed μέθοδο τα αποτελέσματα από διαφορετικές μεθόδους παρουσιάζονται την ίδια στιγμή. Έτσι, μπορεί να αποφευχθεί σε κάποιο βαθμό το cold start πρόβλημα, αφού επιστρέφονται αποτελέσματα από όλες τις τεχνικές. Στην feature combination μέθοδο χρησιμοποιούνται χαρακτηριστικά που λαμβάνονται για διαφορετικές μεθόδους, σε έναν μόνο αλγόριθμο εξατομίκευσης. Για παράδειγμα σε ένα σύστημα πρότασης ταινιών χρησιμοποιούνται μαζί οι αξιολογήσεις των χρηστών για μια ταινία μαζί με διάφορα content based χαρακτηριστικά. (Ripper) Στην cascade μέθοδο τα αποτελέσματα μίας τεχνικής φιλτράρονται από μία άλλη έτσι ώστε να επιλεγούν μόνο τα καλύτερα. Η feature augmentation μέθοδος μοιάζει λίγο με την προηγούμενη. Στη συγκεκριμένη, τα αποτελέσματα της μίας τεχνικής δίνονται ως είσοδος χαρακτηριστικό σε μία άλλη. Τα αποτελέσματα που θα δώσει η δεύτερη τεχνική θα περιέχουν και τα αποτελέσματα της πρώτης, σε αντίθεση με την cascade όπου τα αποτελέσματα της πρώτης τεχνικής δεν υπάρχουν αυτά καθαυτά, αλλά συνδυάζονται και κατηγοριοποιούνται. Τέλος, η meta-level μέθοδος χρησιμοποιεί το μοντέλο που παράγεται από μία μέθοδο ως είσοδο στην δεύτερη. Η διαφορά είναι ότι δεν λαμβάνονται τα αποτελέσματα της πρώτης ως είσοδος, αλλά όλη η μεθοδολογία. Στον παρακάτω πίνακα φαίνονται οι δυνατοί συνδυασμοί των μεθόδων με κάθε υβριδική μέθοδο (όπου δύναται αυτό) και ποια συστήματα χρησιμοποιούν τις μεθόδους. Εικόνα 3. 9: Υβριδικοί συνδυασμοί 55

56 3.3.6 Επιπλέον Τεχνικές Μπορούμε να εφαρμόσουμε επιπλέον τεχνικές και μεθόδους για την εύρεση ή βελτίωση προτάσεων σε ένα recommender σύστημα. Μία τέτοια τεχνική, είναι η μέθοδος των πολλαπλών κριτηρίων (multi - criteria rating). Στη συγκεκριμένη τεχνική, αντί να υπάρχει μία βαθμολόγηση για ένα αντικείμενο, δημιουργούμε διάφορα χαρακτηριστικά του αντικειμένου τα οποία βαθμολογούνται για να προκύψει μία τελική βαθμολογία. Με την συγκεκριμένη τεχνική γίνεται καλύτερη κατανόηση του γιατί ένας χρήστης προτιμάει ένα προϊόν και όχι μόνο του πόσο το προτιμάει. Με αυτόν τον τρόπο τα αποτελέσματα που θα προκύψουν μπορεί να είναι αρκετά διαφορετικά, η ποιότητα των επιστρεφόμενων αποτελεσμάτων όμως βελτιώνεται σημαντικά. Παράδειγμα χρήσης της τεχνικής μπορούμε να δούμε στην πρόταση ταινιών. Αντί για μία γενική βαθμολογία στην ταινία, μπορεί να προστεθούν χαρακτηριστικά όπως σκηνοθεσία, ερμηνείες, σενάριο, μοντάζ για βαθμολόγηση. Αυτά θα βαθμολογούνται επιμέρους για την κάθε ταινία και θα βγαίνει το τελικό αποτέλεσμα. Η διαφορά στα αποτελέσματα μπορεί να φανεί από τους παρακάτω πίνακες. Εικόνα 3. 10: Item based example Εικόνα 3. 11: Item based example with multicretira 56

57 Μετά από μετρικές έχει αποδειχθεί ότι χρησιμοποιώντας αυτή την τεχνική υπάρχει αισθητή βελτίωση των αποτελεσμάτων, όπως φαίνεται και παρακάτω από την σύγκριση διαφορετικών μεθόδων με την τεχνική πολλαπλών κριτηρίων (movie-reg95). Εικόνα 3. 12: Αποτελεσματικότητα multicriteria Μία άλλη νέα μέθοδος η οποία αρχίζει να κατακτά όλο και περισσότερο έδαφος είναι η εφαρμογή των Bayesian Networks. Ο λόγος που αρχίζει και εφαρμόζεται σε αυτόν τον τομέα είναι ότι υπάρχει η αβεβαιότητα στις προβλέψεις και θέλουμε να την περιορίσουμε όσο το δυνατόν περισσότερο. Ένα Bayesian Network δείχνει τις πιθανοτικές σχέσεις μεταξύ των κόμβων του. Έτσι, θεωρώντας ως κόμβους τα διάφορα αντικείμενα του συστήματος, το δίκτυο θα δείχνει την πιθανότητα με την οποία θα βαθμολογήσει με μεγάλο βαθμό κάποια άλλα αντικείμενα και θα τα προτιμήσει. Χρησιμοποιώντας Bayesian δίκτυα μπορεί να επιτευχθεί σημαντική βελτίωση των αποτελεσμάτων. Το σημαντικό μειονέκτημα αυτής της τεχνικής είναι ότι χρειάζεται σημαντικό υπολογιστικό κόστος για την λειτουργία του. Σε συνδυασμό με το γεγονός ότι πολλά recommender συστήματα παράγουν τις προτάσεις τους στη στιγμή (on the fly), τότε αυτή η μέθοδος αποδεικνύεται πάρα πολύ δύσκολη στην εφαρμογή. 57

58 3.4 Μετρικές Ομοιότητας Εισαγωγή Κοινό στοιχείο όλων των προηγούμενων μεθόδων είναι η εύρεση ομοιότητας, είτε ανάμεσα σε αντικείμενα (ταινίες, μουσική, εστιατόρια), είτε ανάμεσα σε προφίλ χρηστών. Μέχρι τώρα λοιπόν είδαμε τις μεθόδους με τις οποίες λαμβάνουμε τα δεδομένα και το πώς τα τοποθετούμε έτσι ώστε να βγάλουμε τα αποτελέσματά μας, δηλαδή τις προτάσεις προς τους χρήστες. Αφού πάρουμε τα δεδομένα, πρέπει να επεξεργαστούν έτσι ώστε να προκύψουν οι ομοιότητες. Αυτό μπορεί να γίνει με διάφορες μεθόδους όπως είναι η μέθοδος της ευκλείδειας απόστασης, η μέθοδος του συνημίτονου, Jaccard indexing, Pearson correlation μέθοδος, tf-idf μέθοδος. Κάθε μία από αυτές τις μεθόδους έχει τα θετικά και τα αρνητικά της και πρέπει να επιλέγουμε την κατάλληλη ανάλογα με την περίσταση Ευκλείδεια Απόσταση Η ευκλείδεια απόσταση, δίνει την απόσταση μεταξύ δύο σημείων. Εάν έχουμε δύο σημεία a και b με x στοιχεία, τότε η ευκλείδεια απόστασή τους μπορεί να οριστεί ως εξής: Όσο πιο μικρή η απόσταση (αποτέλεσμα) τόσο πιο όμοια είναι τα αντικείμενα. Είναι μία γρήγορη μέθοδος υπολογισμού που όμως στην πραγματικότητα δεν μετράει την ομοιότητα, αλλά την διαφορά των δεδομένων. Αυτό μπορεί να φανεί καλύτερα από το παρακάτω παράδειγμα. Έστω ότι θέλουμε να μετρήσουμε την ομοιότητα κάποιων άρθρων με βάση τις κατηγορίες (tags), όπου έχουμε θέσει. Υποθέτουμε ότι έχουμε τις εξής 6 κατηγορίες: PHP, MySQL, C++, C, Java, Python και τα εξής άρθρα με τα tag τους. 58

59 Άρθρο Κατηγορίες Α1- Άρθρο προς σύγκριση PHP, MySQL Α2 PHP, C++, C, Java Α3 PHP, MySQL, C++, C, Java, Python Α4 C++, C, Python Ο πίνακας με το διάνυσμα που θα προκύψει θα είναι ο παρακάτω: Άρθρο PHP MySQL C++ C Java Python A A A A Αφού εφαρμόσουμε την μέθοδο της ευκλείδειας απόστασης στα παραπάνω δεδομένα θα έχουμε τα εξής αποτελέσματα: Παρατηρούμε δηλαδή ότι τα άρθρα Α2 και Α3 έχουν προταθεί με τον ίδιο βαθμό, ενώ στην ουσία το Α3 θα πρέπει να έχει μεγαλύτερο βαθμό από το Α2 αφού μοιράζεται δύο κοινές κατηγορίες με το Α1. Φαίνεται δηλαδή ξεκάθαρα ότι η μέθοδος δεν βλέπει την ομοιότητα των δύο, αλλά τις διαφορές τους Μέθοδος Συνημίτονου Παρόμοια μέθοδος με την προηγούμενη είναι η μέθοδος του συνημίτονου. Η διαφορά εδώ είναι ότι μετράει την ομοιότητα των δεδομένων. Όσο μεγαλύτερο το αποτέλεσμα, τόσο πιο όμοια τα αντικείμενα. Η μέθοδος ορίζεται ως εξής: 59

60 Οι δύο μέθοδοι εάν εφαρμοστούν στα ίδια δεδομένα, θα δώσουν ελαφρώς διαφορετικά αποτελέσματα. Εάν εφαρμόσουμε δηλαδή την μέθοδο στο προηγούμενο παράδειγμα θα έχουμε τα εξής αποτελέσματα: Παρατηρούμε επομένως ότι με αυτή την μέθοδο, φάνηκε ξεκάθαρα η ομοιότητα των δύο αντικειμένων Jaccard Index Η μέθοδος Jaccard Index (Jaccard similarity coefficient) χρησιμοποιείται στην σύγκριση συνόλων αντικειμένων. Ορίζεται ως το μέγεθος της τομής των συνόλων, προς το μέγεθος της ένωσής τους. Όσο πιο μεγάλο βαθμό δίνει η μέθοδος, τόσο πιο πολύ μοιάζουν τα αντικείμενα. 60

61 3.4.4 Pearson Correlation Ακόμη μία μέθοδος σύγκρισης ομοιότητας κατά την οποία ελέγχεται κατά πόσο τα δύο αντικείμενα εξαρτώνται γραμμικά το ένα από το άλλο. Ορίζεται ως εξής: Tf-Idf Η εν λόγω μέθοδος βρίσκει την βαρύτητα σπουδαιότητα μίας λέξης σε ένα σύνολο κειμένων. Το χρησιμοποιούμε για να βρίσκουμε τις λέξεις κλειδιά από κείμενα του ίδιου θεματικού περιεχομένου. Ορίζεται ως εξής: Η σπουδαιότητα βάρος του όρου στο σύνολο κειμένων δίνεται από τον ακόλουθο τύπο: 61

62 3.5 Η εξατομίκευση στο The Researcher Εισαγωγή Το «The Researcher» είναι ένα recommender σύστημα πρότασης ιστολογίων και άρθρων. Στόχος λοιπόν είναι οι όσο το δυνατόν πιο έγκυρες προτάσεις στους χρήστες σύμφωνα με τις προτιμήσεις τους και τα προφίλ τους. Ο χρήστης πρέπει να βλέπει πληροφορίες που πραγματικά τον ενδιαφέρουν, δίχως να σπαταλάει χρόνο για να ψάχνει ανάμεσα στα διάφορα ιστολόγια. Η εξατομίκευση λοιπόν κινείται γύρων από τους ακόλουθους άξονες: την εύρεση όμοιων χρηστών και στη συνέχεια την πρόταση ιστολογίων και την πρόταση άρθρων Εύρεση Όμοιων Χρηστών Ένα από τα σημαντικότερα σημεία είναι η σύγκριση και η εύρεση παρόμοιων χρηστών. Οι παρόμοιοι χρήστες ιδανικά δεν θα πρέπει να είναι στατικοί, αλλά να μεταβάλλονται με τον καιρό και τις κινήσεις του κάθε χρήστη. Με αυτόν τον τρόπο θα είναι δυνατόν να αποτυπωθούν οι εναλλαγές στις κινήσεις και τις προτιμήσεις των χρηστών στις προτάσεις που δέχονται από το σύστημα. Το να συγκρίνουμε μόνο τα δημογραφικά στοιχεία και τις προτιμήσεις τους από το προφίλ τους, δεν επαρκεί. Αυτό που χρειάζεται είναι να αποτυπωθούν τα πραγματικά ενδιαφέροντά τους, τα οποία μπορούν και αλλάζουν ανά πάσα στιγμή, και να τεθούν ως δεδομένα για την σύγκριση. Για την εύρεση λοιπόν των παρόμοιων χρηστών δεχόμαστε ως είσοδο εκτός από τα δημογραφικά στοιχεία του χρήστη, τις κινήσεις του μέσα από το σύστημα. Αυτές καταγράφονται είτε με τη μορφή της επίσκεψης σε έναν σύνδεσμο, είτε με τη δημιουργία ενός like σε κάποιο άρθρο. Τα δεδομένα που χρησιμοποιούμε λοιπόν είναι τα εξής: Τα στοιχεία του προφίλ του (φύλο, απασχόληση, εκπαίδευση, προτιμήσεις). Ο κάθε χρήστης έχει την δυνατότητα να καθορίζει το βάρος που θα έχει το κάθε χαρακτηριστικό στην εύρεση των παρόμοιων χρηστών. Έτσι του δίνουμε την δυνατότητα να καθορίσει αυτός σε ορισμένο βαθμό την δημιουργία των αποτελεσμάτων. Τα βάρη, ανάλογα με το μέγεθος, παίρνουν τιμές κανονικοποιημένες 62

63 στο [0 1]. Τα δυνατά βάρη από το μικρότερο στο μεγαλύτερο είναι 0.3, 0.5, 0.7 και 1. Εάν στη σύγκριση του προφίλ δύο τιμές (π.χ. εκπαίδευση) είναι όμοιες, τότε το αντίστοιχο δεδομένο δεν προσμετράται στην σύγκριση. Εάν από την άλλη είναι διαφορετικά, τότε στο διάνυσμα του προς σύγκριση χρήστη εισάγεται η τιμή του βάρους του αντίστοιχου δεδομένου (π.χ. 0.5), ενώ στην αντίστοιχη θέση του συγκρινόμενου χρήστη η τιμή 0. Με αυτόν τον τρόπο, καθορίζεται από τα βάρη πόσο σημασία θα έχουν τα δεδομένα στην διαμόρφωση του αποτελέσματος. Τα ποσοστά χρήσης των κοινών ιστολογίων. Ανακτώνται τα κοινά ιστολόγια που παρακολουθούν οι δύο προς σύγκριση χρήστες. Τα ποσοστά χρήσης του κάθε ιστολογίου κανονικοποιούνται στο [0 1], διαιρώντας τον αριθμό προβολών του ιστολογίου με τον συνολικό αριθμό προβολών ιστολογίων του χρήστη. Τα ποσοστά χρήσης των κατηγοριών. Και σε αυτήν την περίπτωση στοιχεία των διανυσμάτων θεωρούνται τα ποσοστά χρήσης της κάθε κατηγορίας, κανονικοποιημένα και αυτά στο [0 1]. Τα liked άρθρα. Αφού ανακτήσουμε τα liked άρθρα και των δύο χρηστών, γίνεται μία σύγκριση ομοιότητας μεταξύ των δύο συνόλων με την μέθοδο του Jaccard για την απόσταση.. Το αποτέλεσμα που θα προκύψει το εισάγουμε στο διάνυσμα του προς σύγκριση χρήστη, ενώ στην αντίστοιχη θέση του συγκρινόμενου χρήστη εισάγουμε την τιμή 0. Καταλαβαίνουμε ότι εάν οι δύο χρήστες είναι πανομοιότυποι, τότε η τιμή Jaccard θα είναι 0, οπότε δεν συμβάλλει στην δημιουργία απόστασης. Γενικώς, όσο πιο όμοιοι οι χρήστες τόσο μικρότερη η τιμή. Όλα τα παραπάνω στοιχεία λοιπόν ομαδοποιούνται σε διανύσματα οι τιμές των οποίων κυμαίνονται στο [0 1]. Από αυτά τα διανύσματα θα προκύψουν οι «γειτονικότητες» των χρηστών. Για να βρούμε τους πιο ταιριαστούς χρήστες χρησιμοποιούμε την μέθοδο της ευκλείδειας απόστασης και την μέθοδο του συνημίτονου. Ο λόγος που χρησιμοποιούνται και οι δύο μέθοδοι είναι για να πάρουμε πιο σωστά και αξιόπιστα αποτελέσματα καθώς η ευκλείδεια απόσταση μετράει την διαφορετικότητα των χρηστών, ενώ η μέθοδος του συνημίτονου την ομοιότητά τους. Αρχικά, και για κάθε χρήστη, δίνουμε ως όρισμα στην ευκλείδεια μέθοδο τα διανύσματα με τα στοιχεία των δύο χρηστών. Τα αποτελέσματα αποθηκεύονται σε έναν πίνακα, όπου το κάθε στοιχείο του αφορά έναν χρήστη και τον βαθμό που πήρε από την μέθοδο. Παράλληλα γίνεται η ίδια διαδικασία με την μέθοδο του συνημίτονου. 63

64 Στο τέλος για να πάρουμε τα αποτελέσματα γίνεται ένας συνδυασμός των δύο μεθόδων. Αρχικά επιλέγουμε τους χρήστες με το καλύτερο σκορ έτσι όπως προέκυψε από την πρώτη μέθοδο ευκλείδεια. Στη συνέχεια και έχοντας πλέον ως όρισμα αυτό το σύνολο χρηστών, επιλέγουμε τους καλύτερους, συγκρίνοντας όμως το σκορ που πήρε ο καθένας από τη δεύτερη μέθοδο συνημίτονου. Έτσι, αρχικά βρίσκουμε τους χρήστες που έχουν την μικρότερη απόσταση ο ένας από τον άλλο και στη συνέχεια παίρνουμε αυτούς που μοιάζουν περισσότερο. Βλέπουμε λοιπόν ότι για τον κάθε χρήστη θα ανακαλύπτονται οι «γειτονικοί» του, παίρνοντας υπόψη το τι πραγματικά τον ενδιαφέρει και τι διαβάζει την κάθε χρονική στιγμή. Αυτό είναι αποτελεί μία πολύ σημαντική λεπτομέρεια καθώς οι προτιμήσεις και τα ενδιαφέροντα του χρήστη όσον αφορά την ενημέρωση, μπορούν να αλλάζουν συνέχεια δίχως να υπάρχει σχέση με τα δημογραφικά στοιχεία Πρόταση Ιστολογίων Η πρόταση των ιστολογίων στον χρήστη γίνεται χρησιμοποιώντας user based collaborative τεχνική. Αρχικά, αφού ανακτηθεί η λίστα με τους παρόμοιους χρήστες, ανακαλύπτονται τα ιστολόγια που παρακολουθούν από κοινού αυτοί και προτείνονται στον αρχικό χρήστη. Εικόνα 3. 13: Flowchart πρότασης ιστολογίων 64

65 3.5.4 Πρόταση Άρθρων Η δημιουργία προτάσεων άρθρων αποτελεί ένα σημείο με ιδιαιτερότητες και χρίζει προσοχής. Αυτό γιατί ο αριθμός των άρθρων που δημοσιεύονται είναι πάρα πολύ μεγάλος. Αυτό καθιστά την εφαρμογή κάποιων τεχνικών φιλτραρίσματος δύσκολη και ίσως μη αποδοτική. Γι αυτό το λόγο η πρόταση άρθρων στο εν λόγω σύστημα γίνεται με τον συνδυασμό τριών διαφορετικών μεθόδων. Χρησιμοποιώντας user based collaborative τεχνική, όπως και στην πρόταση ιστολογίων, προτείνονται στον χρήστη άρθρα τα οποία τα έχουν βάλει στα αγαπημένα τους (like) ή έχουν διαβάσει οι παραπλήσιοι με αυτόν χρήστες. Με την χρήση content based τεχνικής βασισμένη στο χρήστη, του προτείνονται άρθρα τα οποία ανταποκρίνονται στο δικό του προφίλ αναγνώσεων. Πιο συγκεκριμένα, ανακτώνται τα στατιστικά του χρήστη για την χρήση των ιστολογίων και των κατηγοριών και με βάση αυτές τις στατιστικές του προτείνονται τα τελευταία άρθρα που έχουν εισαχθεί στο σύστημα. Έτσι, βλέπει πληροφορίες του θεματικού περιεχομένου που τον ενδιαφέρουν καθώς και της πηγής που προτιμάει περισσότερο. Τέλος, με την χρήση content based τεχνικής βασισμένης στα αντικείμενα, ανακτώνται τα keywords των άρθρων που έχει κάνει ο χρήστης like την τρέχουσα ημέρα και ελέγχονται με την Jaccard μέθοδο με άλλα κείμενα μέσα στη βάση του συστήματος. Όσα ταιριάζουν περισσότερο του επιστρέφονται ως προτάσεις. Εδώ θα πρέπει να σημειωθεί ότι έχει μπει ένας έλεγχος άνω και κάτω ορίου. Δηλαδή δεν επιστρέφονται άρθρα τα οποία ταιριάζουν λίγο με το εν συγκρίσει άρθρο, αλλά επίσης αποκρύπτονται και αυτά τα οποία παίρνουν πολύ μεγάλο βαθμό. Αυτό γίνεται για να μην εμφανίζονται άρθρα τα οποία έχουν ίσως το ίδιο κείμενο ή πάρα πολύ μικρές αλλαγές. Οι παραπάνω μέθοδοι συνδυάζονται γραμμικά σε μία για να επιστραφούν στον χρήστη τα τελικά αποτελέσματα. Η μέθοδος συνδυασμού είναι η εξής: Ορίζουμε ότι τα άρθρα που θα επιστραφούν στον χρήστη είναι το πολύ 25. Κάθε μέθοδος συνεισφέρει με ένα ποσοστό σε αυτό τον αριθμό. Ως default τίθεται να είναι 0.3. Το ποσοστό συνεισφοράς της κάθε μεθόδου βρίσκεται με κάποιες μετρικές. Υπάρχουν μεταβλητές που κρατάνε τον αριθμό των άρθρων που έχουν διαβαστεί από κάποια μέθοδο ( ), καθώς και ο συνολικός αριθμός άρθρων που έχουν διαβαστεί ( ). Έτσι, το 65

66 βάρος της κάθε μεθόδου υπολογίζεται από τον αριθμό των άρθρων που διάβασε ο χρήστης από μία μέθοδο προς τον συνολικό αριθμό άρθρων που έχει διαβάσει. Για να βρίσκουμε από ποια μέθοδο έχει προταθεί το άρθρο που έχει διαβάσει ο χρήστης, κρατάμε κατά την στιγμή δημιουργίας των προτάσεων και για κάθε μέθοδο, τα άρθρα που προτείνει. Έτσι, όταν γίνει η επιλογή του συνδέσμου ελέγχεται από ποια μέθοδο έχει προκύψει το άρθρο και ανεβαίνουν οι μεταβλητές. Ένα άρθρο μπορεί να προκύψει όχι μόνο από μία μέθοδο αλλά ίσως και από τις τρεις. Σε αυτή την περίπτωση ανεβάζουμε και τις τρεις ( ) μεταβλητές επίσης η μεταβλητή ( ) ανεβαίνει όχι κατά ένα, αλλά κατά δύο ή τρία (ανάλογα από πόσες μεθόδους προήλθε). Αυτό γίνεται για να παραμείνουν κανονικοποιημένα τα ποσοστά. Ένας άλλος έλεγχος που έχει εισαχθεί είναι το πότε θα αρχίσουν να εφαρμόζονται τα ποσοστά. Για να αποφύγουμε να υπερτερήσει μία μέθοδος απέναντι στις άλλες πολύ γρήγορα, όπου ίσως δεν θα υπάρχουν οι κατάλληλες προϋποθέσεις για να προτείνουν «καλά» άρθρα, έχουν εισαχθεί κάποια όρια συγκεκριμένα θα πρέπει για την κάθε μέθοδο να υπάρχει ένα ελάχιστο όριο αναγνώσεων άρθρων. Εικόνα 3. 14: Flowchart πρότασης άρθρων 66

67 3.5.5 Αποτίμηση Η δομή του «The Researcher» διαμορφώθηκε με τέτοιον τρόπο ώστε να γίνει δυνατόν να αντιμετωπιστούν τα διάφορα γνωστά προβλήματα που παρουσιάζουν οι διάφορες τεχνικές φιλτραρίσματος. Όπως έχουμε δει αυτά είναι το πρόβλημα της «γκρίζας ζώνης», το cold start πρόβλημα και το sparsity πρόβλημα, τα οποία συναντώνται συχνότερα σε collaborative μεθόδους. Εύκολα μπορεί να διαπιστώσει κάποιος ότι και σε αυτή την περίπτωση συναντούμε τις ίδιες δυσκολίες. Συγκεκριμένα, χρησιμοποιώντας την collaborative τεχνική για την πρόταση άρθρων (επιλογή liked και διαβασμένων άρθρων από παραπλήσιους χρήστες), βλέπουμε ότι παρουσιάζονται τα προβλήματα αυτά. Εάν οι χρήστες δεν έχουν προχωρήσει στην ανάγνωση και στον χαρακτηρισμό αρκετών άρθρων, τότε δεν είναι δυνατόν να πραγματοποιηθούν σωστά οι προτάσεις. Το πρόβλημα στον συγκεκριμένο τομέα (των άρθρων ενημέρωσης) γίνεται ακόμη μεγαλύτερο καθώς αυτά ανανεώνονται με πάρα πολύ μεγάλους ρυθμούς, οπότε είναι δύσκολο για τον χρήστη να τα παρακολουθήσει όλα. Ένα άλλο σημείο το οποίο πρέπει να προσεχθεί είναι ότι θέλουμε να βλέπουμε πάντα τα τελευταία νέα. Οπότε η συχνότητα χρήσης του συστήματος θα πρέπει να είναι μεγάλη για σωστά και αξιόπιστα αποτελέσματα. Αυτοί είναι οι λόγοι που το σύστημα δεν επικεντρώνεται μόνο στα like των χρηστών, αλλά κρατάει τα στοιχεία και για τον κάθε σύνδεσμο στον οποίο έχει γίνει επίσκεψη. Έτσι η δεξαμενή των άρθρων μεγαλώνει αρκετά και άρα μαζί οι πιθανότητες για να εμφανιστούν σωστές προτάσεις στον χρήστη. Επίσης θα πρέπει να δοθεί προσοχή στον αριθμό των παρόμοιων χρηστών που καθορίζουμε, καθώς και στη συχνότητα χρήσης τους. Καταλαβαίνουμε ότι όσο πιο μεγάλος δίνουμε να είναι ο αριθμός των παρόμοιων χρηστών, τόσο πιο δύσκολα θα προκύπτουν προτάσεις. Πρέπει δηλαδή να καθορίζεται αυτός ο αριθμός συναρτήσει των συνολικών χρηστών που υπάρχουν. Επίσης, θα πρέπει να δίνεται προσοχή να μην προσμετρώνται στις συγκρίσεις χρήστες οι οποίοι έχουν σταματήσει να χρησιμοποιούν το σύστημα. Ένα τέτοιο μέτρο που υπάρχει στο «The Researcher» είναι να μην συμμετέχουν στις μετρήσεις χρήστες με συνολικό αριθμό προβολών κάτω από ένα όριο. Ένα διαφορετικό μέτρο είναι να ελέγχονται οι ημερομηνίες τελευταίων αναγνώσεων των άρθρων, έτσι ώστε να αποκλείονται αυτοί που έχουν καιρό να χρησιμοποιήσουν το σύστημα. Λύση στο παραπάνω πρόβλημα έρχονται να δώσουν οι άλλες δύο μέθοδοι πρότασης άρθρων. Προτείνοντας άρθρα σύμφωνα με τις κινήσεις του χρήστη και παρόμοιου θεματικού περιεχομένου με τα αγαπημένα άρθρα του, διασφαλίζουμε ότι θα του παρουσιάζονται προτάσεις που ανταποκρίνονται στις προτιμήσεις του.έχει δημιουργηθεί δηλαδή ένα πολυεπίπεδο σχήμα προτάσεων, στο οποίο η κάθε μέθοδος προσπαθεί να καλύψει τα μειονεκτήματα και τα κενά των υπολοίπων. Το σύστημα δεν μένει στατικό, αλλά εξελίσσεται και διαμορφώνεται συνέχεια έτσι ώστε να καλυφθούν οι ανάγκες όλων των χρηστών. 67

68 4 ο Κεφάλαιο Τεχνολογίες Υλοποίησης 4.1 Εισαγωγή Στο συγκεκριμένο κεφάλαιο θα γίνει μία παρουσίαση των εργαλείων και των τεχνολογιών που χρησιμοποιήθηκαν για την εκπόνηση της συγκεκριμένης εργασίας. 4.2 Codeigniter Το codeigniter είναι ένα PHP Framework, το οποίο βασίζεται στις αρχές του Model View Controller (MVC). Τα frameworks χρησιμοποιούνται για την σύνταξη δομημένου κώδικα, βασισμένο σε συναρτήσεις, προσφέροντας μεγαλύτερη ασφάλεια και ευχρηστία. Αυτή η τεχνική προγραμματισμού έρχεται σε αντίθεση με τον κλασσικό flat programming τρόπο, με τον οποίο σε ένα αρχείο υπήρχαν μαζί στοιχεία της βάσης δεδομένων, της λογικής του συστήματος και του design, δηλαδή database queries, PHP scripts και HTML. Με αυτή την κλασσική μεθοδολογία όμως προγραμματισμού δημιουργήθηκαν κάποια προβλήματα, τα οποία όσο μεγαλύτερη είναι η εφαρμογή, τόσο δυσχεραίνουν την κατάσταση. Με το flat programming, εξαιτίας του μεγέθους των αρχείων κώδικα, ήταν πολύ δύσκολο να εντοπιστεί ένα σφάλμα. Άρα το debugging ήταν ιδιαιτέρως δύσκολο, ειδικά εάν η εφαρμογή αποτελούνταν από πολύπλοκους κώδικες. Άλλο πρόβλημα, απόρροια του μεγέθους και της δομής των αρχείων, ήταν η δυσκολία στην επεκτασιμότητα των αρχείων. Τέλος, καθώς τόσο η δομή όσο και η εμφάνιση βρίσκονταν στο ίδιο αρχείο, η παράλληλη εργασία στην εφαρμογή ήταν αδύνατη. Αυτά οδήγησαν στην δημιουργία του Model View Controller. Το MVC είναι ένα pattern για τη δημιουργία software, το οποίο διαχωρίζει την παρουσίαση της εφαρμογής από τη λογική τον κώδικα. Τα PHP αρχεία δηλαδή είναι ξεχωριστά από τα HTML αρχεία και συνδέονται μέσω αυτού του pattern. Το Model αναπαριστά την δομή του συστήματος, δηλαδή τον PHP κώδικα που επιτελεί όλες τις λειτουργίες. Το View αφορά την εμφάνιση των πληροφοριών έτσι όπως παρουσιάζονται στον χρήστη, συνήθως μία web page. Ο Controller αποτελεί την σύνδεση μεταξύ των δύο άλλων στοιχείων. 68

69 Εικόνα 4. 1: MVC_1 Για κάθε ένα request που δέχεται η εφαρμογή, τότε ενεργοποιείται ο αντίστοιχος controller. Αυτός τότε ενεργοποιεί την λειτουργία κάποιων συναρτήσεων που επιτελούν την λειτουργία του συστήματος (model). Τα αποτελέσματα αυτών των συναρτήσεων εμφανίζονται πίσω στο χρήστη από τον ίδιο controller (view). Εικόνα 4. 2: MVC_2 69

70 4.3 HTML Τι είναι η Html Σύμφωνα με το [3] και [6] η HTML είναι η γλώσσα που χρησιμοποιείται για την κατασκευή των σελίδων του παγκόσμιου ιστού. Είναι το ακρωνύμιο των λέξεων HyperText Markup Language (γλώσσα μορφοποίηση υπερκειμένου) και είναι η βασική γλώσσα δόμηση σελίδων του World Wide Web (ή απλά ιστού: Web). Χρησιμοποιείται για να σημαίνει ένα τμήμα κειμένου και να το κάνει να εμφανίζεται καλύτερα. Επιτρέπει την ενσωμάτωση ήχου και εικόνων στις web σελίδες. Αρχικά είχε κατασκευασθεί με σκοπό μόνο την μορφοποίηση κειμένου, αλλά μεγάλωσε και ενσωμάτωσε σχεδιαστικές τεχνικές κ.α. Η γλώσσα χρησιμοποιεί tags για την μορφοποίηση κειμένου, για την δημιουργία συνδέσμων (links) μετάβασης ανάμεσα των σελίδα, για την εισαγωγή εικόνων, ήχου κ.α. Όταν ένας Web Browser ανοίγει ένα αρχείο HTML τα στοιχεία (tags) μεταφράζονται σε κατάλληλα χαρακτηριστικά με αποτελέσματα στην εμφάνιση και στην λειτουργικότητα της συγκεκριμένης σελίδας. Η HTML παρέχει τα μέσα για την δημιουργία σελίδων με δομή όπως επικεφαλίδες, παραγράφους, συνδέσμους, λίστες, πίνακες και άλλα αντικείμενα. Επιτρέπει σε εικόνες και άλλα objects να ενσωματωθούν μέσα στην σελίδα και μπορούν να χρησιμοποιηθούν για διαδραστικές φόρμες. Τα στοιχεία της HTML αποτελούνται από tags που περικλείονται από αγκύλες. Δίνεται η δυνατότητα να φορτώνει και να εκτελεί scripts από γλώσσες όπως η JavaScript όπου επηρεάζουν την εμφάνιση και την λειτουργία της σελίδας. Επίσης μπορεί να φορτώσει CSS για να καθοριστεί η εμφάνιση. Ο παγκόσμιος ιστός αποτελείται κατά βάση από έγγραφα HTML τα οποία αποστέλλονται από Web Servers στους Web Browsers χρησιμοποιώντας το HTTP. Παρόλα αυτά, το HTTP χρησιμοποιείται για να εξυπηρετεί εικόνες, ήχο και άλλα στοιχεία εκτός από την HTML. Για να επιτρέψει στους browsers να γνωρίζουν πώς να αντιμετωπίσουν κάθε έγγραφο που λαμβάνουν, αποστέλλονται ορισμένες επιπλέον πληροφορίες μαζί με το κείμενο. Αυτά τα μετά-δεδομένα (metadata) συνήθως περιέχουν τύπους MIME και την κωδικοποίηση των χαρακτήρων Εκδόσεις της Html Το 1990 ο Tim Berners-Lee από το Cern, το εργαστήριο φυσικής της Γενεύης, δημιούργησε ένα νέο πρωτόκολλο με το οποίο θα μπορούσαν να μεταφέρονται κάθε είδος αρχείων και αντικειμένων μέσα από το Internet. Το πρωτόκολλο αυτό ονομάστηκε HTTP (HyperText Transfer Protocol) και σηματοδότησε την αρχή του WWW όπως το ξέρουμε σήμερα. Οι σελίδες που ήταν η βάση του WWW ήταν γραμμένες στην πρώτη έκδοση της 70

71 γλώσσας HTML. Το 1994 αναπτύσσεται το πρότυπο HTML 2.0 από ένα διεθνή οργανισμό (Internet Engineering Task Forse). H επόμενη έκδοση η 3.0 δεν έγινε αποδεκτή από τις Microsoft και Netscape οπότε γρήγορα αντικαταστάθηκε από την έκδοση 3.2 (1996). Η τελευταία περιελάμβανε πολλές από τις σημάνσεις (tags) που είχαν εισάγει οι δύο εταιρίες. Η έκδοση 4.0 παρουσιάστηκε τον Ιούνιο του Η τελευταία έκδοση, η HTML5, θεωρείται πως βρίσκεται ακόμη υπό ανάπτυξη. Ο στόχος της τελευταίας αυτής έκδοσης είναι η βελτίωση της γλώσσας για καλύτερη υποστήριξη των τελευταίων μορφών multimedia, διατηρώντας παράλληλα σε ευανάγνωστη μορφή τόσο για τους ανθρώπους όσο και για τους υπολογιστές. Η HTML5, υποστηρίζεται από όλους τους σύγχρονους web browsers. Είναι στην ευχέρεια του προγραμματιστή, να εισάγει τα όποια νέα χαρακτηριστικά της έκδοσης επιθυμεί στον κώδικά του. Από την δημιουργία της γλώσσας κοντά στο 1990 από τον Tim Berners-Lee, έχει υπάρξει μια σειρά αλλαγών και εκδόσεων. Αυτές οι εκδόσεις συντηρούνται από το World Wide Web Consortium (W3C) από το Εικόνα 4. 3: HTML Γλώσσες προγραμματισμού στο internet Οι ενδογενείς αδυναμίες της HTML, μιας κατεξοχήν γλώσσας μορφοποίησης υπερκειμένου, σύντομα οδήγησαν στην ανάπτυξη γλωσσών προγραμματισμού στο Internet. Η χρήση των γλωσσών προγραμματισμού κρίθηκε απαραίτητη αφού η εξάπλωση του Internet και η χρήση των σελίδων HTML για αλληλεπίδραση με τους χρήστες (δυναμική αποστολή και λήψη δεδομένων) δεν μπορούσε να πραγματοποιηθεί μέσω της HTML. Αρχικά, αναπτύχθηκε 71

72 από την εταιρεία Netscape η γλώσσα JavaScript η οποία, όπως και η ΗTML μεταφράζεται από τον Web Browser κατά την εμφάνιση της σελίδας. H Microsoft ανέπτυξε απ' την πλευρά της μια δική της έκδοση της γλώσσας JavaScript την οποία ονόμασε JScript και μια έκδοση της γλώσσας Basic ειδικά για το Internet που ονόμασε VBScript. Έτσι πλέον με την χρήση των παραπάνω γλωσσών είναι δυνατό να ελεγχθούν και να προγραμματιστούν όλα σχεδόν τα αντικείμενα που μπορεί να περιέχει μία ιστοσελίδα και με τη χρήση είτε εντολών διαδικαστικού χαρακτήρα, είτε εντολών διακλάδωσης, όπως για παράδειγμα η δομή [if then else ]. Η χρήση τέτοιου είδους "προγραμμάτων" ή όπως ονομάζονται "scripts" είναι διαδικασία που έχει μεγάλες απαιτήσεις σε προγραμματισμό και απευθύνεται σε προγραμματιστές και μόνο Δημιουργία αρχείων HTML Η δημιουργία αρχείων HTML είναι πολύ απλή. Αρκεί να τρέξουμε έναν οποιοδήποτε διορθωτή κειμένου text, όπως το Notepad των Windows. Να γράψουμε τον κώδικα HTML που επιθυμούμε και να το αποθηκεύσουμε (σώσουμε) σε ένα αρχείο με κατάληξη.htm ή.html. Συνήθως αποθηκεύουμε με επέκταση.html όταν θα δημοσιεύσουμε τα αρχεία μας σε διακομιστή Unix. Αντίθετα ο εξυπηρετητής Windows NT καταλαβαίνει τα αρχεία και σαν.htm και σαν.html. 4.4 PHP Τι είναι η PHP Η PHP είναι μια γλώσσα προγραμματισμού που σχεδιάστηκε για τη δημιουργία δυναμικών σελίδων στο διαδίκτυο και είναι επισήμως γνωστή ως: HyperText preprocessor. Είναι μια server-side (εκτελείται στον διακομιστή) scripting γλώσσα που γράφεται συνήθως πλαισιωμένη από HTML, για μορφοποίηση των αποτελεσμάτων. Αντίθετα από μια συνηθισμένη HTML σελίδα, η σελίδα PHP δεν στέλνεται άμεσα σε έναν πελάτη (client), αντ' αυτού πρώτα αναλύεται και μετά αποστέλλεται το παραγόμενο αποτέλεσμα. Τα στοιχεία HTML στον πηγαίο κώδικα μένουν ως έχουν, αλλά ο PHP κώδικας ερμηνεύεται και εκτελείται. Ο κώδικας PHP μπορεί να θέσει ερωτήματα σε βάσεις δεδομένων, να δημιουργήσει εικόνες, να διαβάσει και να γράψει αρχεία, να συνδεθεί με απομακρυσμένους υπολογιστές, κ.ο.κ. Σε γενικές γραμμές οι δυνατότητες που μας δίνει είναι απεριόριστες. Αρχικά η ονομασία της ήταν PHP/FI από το Forms Interpreter η οποία δημιουργήθηκε το 1995 από τον Rasmus Lerdorf ως μια συλλογή από Perl scripts που τα χρησιμοποιούσε στην προσωπική του σελίδα. Δεν άργησε να τα εμπλουτίσει με λειτουργίες επεξεργασίας 72

73 δεδομένων με SQL, αλλά τα σημαντικά βήματα που έφεραν και την μεγάλη αποδοχή της PHP ήταν αρχικά η μετατροπή τους σε C και μετέπειτα η δωρεάν παροχή του πηγαίου κώδικα μέσω της σελίδας του ώστε να επωφεληθούν όλοι από αυτό που είχε φτιάξει, αλλά και να τον βοηθήσουν στην περαιτέρω ανάπτυξή της. Οι κύριες εφαρμογές της PHP τώρα παράγονται από το PHP Group και εξυπηρετούν ένα στάνταρ της PHP καθώς δεν υπάρχει επίσημη προδιαγραφή. Η PHP είναι ελεύθερο λογισμικό. Όταν ένας χρήστης ανοίγει μια σελίδα, ο server επεξεργάζεται τις εντολές PHP και στην συνέχεια στέλνει τα αποτελέσματα στον browser του χρήστη. Εκτός από την διαχείριση των περιεχομένων της σελίδας, η PHP μπορεί επίσης να στείλει HTTP κεφαλίδες (headers). Μπορεί να στείλει cookies, να διαχειριστεί την ταυτοποίηση χρηστών και άλλα. Προσφέρει επίσης άριστη διασύνδεση με βάσεις δεδομένων. Εικόνα 4. 4: PHP 73

74 4.4.2 CURL Η PHP υποστηρίζει την liburl, μια βιβλιοθήκη που δημιουργήθηκε από τον Daniel Stenberg, όπου επιτρέπει την σύνδεση και την επικοινωνία με διαφορετικούς τύπους server, με διαφορετικούς τύπους πρωτοκόλλων. Σύμφωνα με το [4] και [5] χρησιμοποιείται για να πάρουμε με ασφάλεια δεδομένα από απομακρυσμένες σελίδες. Στο συγκεκριμένο σύστημα που έχει υλοποιηθεί, χρησιμοποιήθηκε για να πάρουμε την HTML δομή διάφορων σελίδων. Προτιμήθηκε από την συνάρτηση file_get_contents, που κάνει την ίδια δουλειά εξαιτίας της καλύτερης ταχύτητάς της στην επεξεργασία DOM Η PHP παρέχει ένα χρήσιμο εργαλείο για να εργαζόμαστε με HTML περιεχόμενο. Τις συναρτήσεις DOM. Το DOM επιτρέπει την μετατροπή της HTML (ή της xml) σε ένα δομημένο αντικείμενο, χρησιμοποιώντας ως βάση τα tags. Εικόνα 4. 5: PHP DOM 74

75 4.4.4 XPATH Με την βοήθεια του XPath μπορούμε να συγκεντρώνουμε συλλογές των DOM κόμβων τα tags της HTML. Με χρήση ορισμένων ερωτημάτων, μπορούμε να πάρουμε τον κόμβο που μας ενδιαφέρει, είτε αυτός είναι ένας σύνδεσμος είτε είναι μια εικόνα APC Η APC (Alternative PHP Cache) είναι ένα extension της PHP σχεδιασμένο για τη βελτίωση της απόδοσης του προγράμματος. Με την APC είναι δυνατή το caching κάποιων δεδομένων του προγράμματος στην μνήμη του υπολογιστή, έτσι ώστε να μην χρειάζεται η συνεχής δημιουργία ερωτήσεων στη βάση για την ανάκτηση των δεδομένων. Σταδιακά η απόδοση της εφαρμογής αυξάνεται καθώς από τη μία εκτελείται λιγότερος κώδικας και από την άλλη δεν υπάρχει ο χρόνος αναμονής για την ανάκτηση των δεδομένων. Εικόνα 4. 6: APC FlowChart 75

76 4.5 CSS Τι είναι το CSS Όπως βλέπουμε στο [2] και [7] το CSS (Cascading Style Sheets) είναι αρχεία με ένα σύνολο κανόνων για την μορφοποίηση μιας ιστοσελίδας. Ενδεικτικά, μπορεί να χρησιμοποιηθεί για να διαμορφώσει: Τα χρώματα και το μέγεθος διαφόρων στοιχείων της ιστοσελίδας. Την συμπεριφορά τους σε διάφορες ενέργειες. Παλιότερα συνηθίζονταν να διαμορφώνεται κάθε στοιχείο της ιστοσελίδας ξεχωριστά, σε ξεχωριστές σελίδες. Η μεγάλη ευκολία που προσφέρει η χρήση ενός CSS είναι ότι οι ενδεχόμενες αλλαγές γίνονται μόνο σε ένα έγγραφο και αυτόματα εφαρμόζονται σε όλες τις σελίδες που το χρησιμοποιούν. Έτσι, μια ιστοσελίδα που χρησιμοποιεί CSS μπορεί πολύ ευκολότερα να αλλάξει όψη. Για τον έλεγχο της εγκυρότητας ενός CSS εγγράφου, με βάση τα web standards μπορεί να χρησιμοποιηθεί ένας CSS validator. Για την δημιουργία και επεξεργασία εγγράφων CSS μπορεί να χρησιμοποιηθεί ένας επεξεργαστής απλού κειμένου ή κάποιο πρόγραμμα ειδικό για CSS που προσφέρει αρκετές ευκολίες στην διαμόρφωση του κώδικα. Εικόνα 4. 7: CSS 3 Menu 76

77 4.5.2 Πλεονεκτήματα CSS Το CSS προσφέρει πλεονεκτήματα έναντι της μορφοποίησης μέσω HTML attributes. Πολύ μεγαλύτερη ευελιξία. Το CSS κατέστησε εφικτές μορφοποιήσεις οι οποίες μέχρι πρότινος ήταν αδύνατες ή πολύ δύσκολες. Ευκολότερη συντήρηση ιστοσελίδων. Η εμφάνιση ενός ολόκληρου site μπορεί να ελέγχεται από ένα μόνο εξωτερικό αρχείο CSS. Έτσι, κάθε αλλαγή στο στυλ της ιστοσελίδας μπορεί να γίνεται με μια μοναδική αλλαγή σε αυτό το αρχείο, αντί γα την επεξεργασία πολλών σημείων σε κάθε σελίδα που υπάρχει στο site. Μικρότερο μέγεθος αρχείου, δεδομένου ότι ο κάθε κανόνας μορφοποίησης γράφεται μόνο μια φορά και όχι σε κάθε σημείο που εφαρμόζεται. Καλύτερο SEO. Οι μηχανές αναζήτησης δεν μπερδεύονται ανάμεσα σε περιεχόμενο και τη μορφοποίηση του, αλλά έχουν πρόσβαση στο περιεχόμενο σκέτο, οπότε είναι πολύ ευκολότερο να το καταγράψουν και να το αρχειοθετήσουν. Γρηγορότερες σελίδες. Όταν χρησιμοποιούμε εξωτερικό αρχείο CSS ο browser την πρώτη φορά που θα φορτώσει κάποια σελίδα του site μας το αποθηκεύει στην cache, οπότε δεν χρειάζεται να το κατεβάσει ξανά κάθε φορά που κατεβάζει ο χρήστης κάποια άλλη σελίδα του site. 4.6 MySQL Η MySQL είναι ένα open source σύστημα διαχείρισης σχεσιακών βάσεων δεδομένων. Τρέχει σε έναν εξυπηρετητή παρέχοντας πρόσβαση πολλών χρηστών σε ένα σύνολο βάσεων δεδομένων. Ανήκει στην MySQL AB, η οποία ανήκει στην Oracle. 4.7 EasyPHP Για την λειτουργία του συστήματος χρησιμοποιήθηκε το πρόγραμμα EasyPHP. Είναι μια εφαρμογή η οποία επιτρέπει την εκτέλεση web εφαρμογών με χρήση HTML, PHP, APACHE και MYSQL. Το EasyPHP είναι ένα open source πρόγραμμα το οποίο επιτρέπει την ενσωμάτωση διάφορων εφαρμογών διαφορετικών μεταξύ τους, καθώς επίσης την εύκολη τροποποίησή τους και διαχείρισή τους. 77

78 5 ο Κεφάλαιο - Τεχνική Περιγραφή Συστήματος 5.1 Εισαγωγή Στο παρών κεφάλαιο θα γίνει μία παρουσίαση και ανάλυση των αρχείων που αποτελούν το σύστημα του «The Researcher». Αρχικά θα παρουσιαστεί η βάση δεδομένων του συστήματος και στη συνέχεια οι HTML, και PHP κώδικες. 5.2 Βάση Δεδομένων Η βάση αποτελείται από 15 πίνακες. Χρησιμοποιείται καταρχάς ένας πίνακας (users) για την αποθήκευση των χρηστών και των δεδομένων τους. Εκεί αποθηκεύονται το username, το , ο κωδικός πρόσβασης (κωδικοποιημένος με sha1 αλγόριθμο), τα βάρη για κάθε πεδίο, καθώς και όλες οι μετρικές που αφορούν τις διάφορες κατηγορίες θεμάτων και τα ιστολόγια. Τα ταιριάσματα για τον κάθε χρήστη αποθηκεύονται στον πίνακα user_similarity. Ο πίνακας blogs χρησιμεύει στην αποθήκευση των ιστολογίων και της τιμής της συχνότητας ανανέωσης. Στον follows εισάγονται ποια ιστολόγια παρακολουθεί ο κάθε χρήστης. Αντίστοιχος πίνακας είναι ο dislike_blog, στον οποίο εισάγονται τα ιστολόγια τα οποία ο χρήστης αποφασίζει να διακόψει την παρακολούθησή τους είτε να αποκρύψει από τις προτάσεις. Για τα στοιχεία των χρηστών έτσι ώστε να προκύψουν οι προτάσεις υπάρχει ο πίνακας likes, στον οποίο αποθηκεύεται κάθε like που κάνει ο χρήστης, ενώ στον r_ar, αποθηκεύονται τα άρθρα που διαβάζει ο χρήστης. Ο πίνακας post_methods συγκεντρώνει τα χαρακτηριστικά του κάθε χρήστη αναφορικά με την κάθε μέθοδο πρότασης άρθρων. Τέλος όσον αφορά τα άρθρα, υπάρχει ένας πίνακας για κάθε κατηγορία (πολιτική, τεχνολογία, κοινωνία, οικονομία, κοινωνία) όπου αποθηκεύονται τα κείμενα από την αντίστοιχη κατηγορία. Από αυτά τα άρθρα προκύπτουν οι λέξεις κλειδιά, οι οποίες αποθηκεύονται στον πίνακα indexes. Τα άρθρα τα οποία εμφανίζονται στους χρήστες από τα ιστολόγια αποθηκεύονται στον πίνακα posts. Συνολικά, οι πίνακες φαίνονται στο παρακάτω διάγραμμα: 78

79 Εικόνα 5. 1: ER Βάσης Δεδομένων 79

80 5.3 Η αρχική σελίδα Παρακάτω βλέπουμε την αρχική σελίδα του συστήματος. Με την φόρμα Sign Up, ο χρήστης κάνει την εγγραφή του στο σύστημα. Τα πεδία που πρέπει να εισάγει είναι το username, το , και ένας κωδικός εισαγωγής. Το username και το , πρέπει να είναι μοναδικά, δηλαδή να μην χρησιμοποιούνται από άλλο χρήστη. Εικόνα 5. 2: Εικόνα αρχικής σελίδας Χρησιμοποιείται JQuery για τον on the fly έλεγχο των κωδικών, έτσι ώστε να ταιριάζουν στις απαιτήσεις ασφαλείας αλλά και για να ταιριάζουν μεταξύ τους. Τη στιγμή που θα πατήσει ο χρήστης το Sign Up button, στέλνονται τα δεδομένα στον σωστό controller, έτσι ώστε να λάβουν χώρα οι απαραίτητοι έλεγχοι για την ορθότητα του username, του και εάν όλα είναι σωστά να προχωρήσει η εγγραφή. Ανάλογα με το αποτέλεσμα εμφανίζεται στον χρήστη το ανάλογο μήνυμα. Τα επιστρεφόμενα αποτελέσματα είναι με JSON Format. 80

81 Εικόνα 5. 3: Jquery για Sign Up Τα δεδομένα αποστέλλονται στον researcher sign_up_controller. Από εκεί, καλούνται οι απαραίτητες συναρτήσεις για τον έλεγχο των στοιχείων και την εγγραφή στο σύστημα. Εικόνα 5. 4: sign_up_check controller 81

82 Εάν οι παραπάνω έλεγχοι δεν εμφανίσουν κάποιο σφάλμα, τότε γίνεται η εγγραφή του νέου χρήστη στο σύστημα. Κατά την εγγραφή, τα στοιχεία του προφίλ (φύλο, απασχόληση, εκπαίδευση) τίθενται κενά (NULL), οι προτιμήσεις στις κατηγορίες παίρνουν θετικές τιμές, ενώ τα βάρη παίρνουν όλα την κανονική τιμή. Επίσης, εισάγονται στις παρακολουθήσεις του χρήστη, τα default προς παρακολούθηση ιστολόγια, καθώς και ο πίνακας με τις μετρικές για τα ιστολόγια. Τέλος, γίνεται μία εγγραφή στον πίνακα της βάσης user_similarity, με το όνομα του νέου χρήστη έτσι ώστε να βρεθούν οι παραπλήσιοι σε αυτόν χρήστες. Εικόνα 5. 5: Εισαγωγή blogs για παρακολούθηση Εικόνα 5. 6: Δημιουργία στοιχείων χρήστη Εάν η εγγραφή γίνει κανονικά, εμφανίζεται μήνυμα επιβεβαίωσης, το οποίο προτρέπει στον χρήστη να εισέλθει στο σύστημα. 82

83 Εικόνα 5. 7: Μήνυμα επιτυχίας για εγγραφή Για την είσοδο του χρήστη, καλείται ο controller researcher sign_in. Εκεί γίνονται οι απαραίτητοι έλεγχοι για τον έλεγχο των κωδικών εισόδων που έχουν δοθεί. Εάν κάποιος είναι λανθασμένος, εμφανίζεται μήνυμα λάθους και γίνεται ανακατεύθυνση στην αρχική σελίδα. Εικόνα 5. 8: sign_in_check controller 83

84 Εικόνα 5. 9: sign in check Όταν δώσει τα σωστά στοιχεία, καλείται ο controller researcher user_in, για την είσοδο στο σύστημα. Εκεί γίνεται έλεγχος για την ύπαρξη ή όχι του Session καθώς επίσης και για το αν πρόκειται για νέο χρήστη. Εάν είναι νέος χρήστης τότε η πρώτη σελίδα που θα ανακατευθυνθεί είναι αυτή του προφίλ του. Εικόνα 5. 10: controller εισόδου στο σύστημα 84

85 Επίσης, έχει δημιουργηθεί η δυνατότητα αποστολής νέου κωδικού στον χρήστη, εάν ξεχάσει τον παλιό του. Τότε δημιουργείται τυχαία ένας κωδικός αυξημένης ασφαλείας και αποστέλλεται στον χρήστη. Εικόνα 5. 11: Δημιουργία νέου κωδικού 5.4 Το σύστημα Το Προφίλ Ο νέος χρήστης κατά την πρώτη είσοδό του, θα δει την σελίδα του προφίλ. Ο λόγος αυτού είναι για να τον ωθήσουμε να συμπληρώσει τα στοιχεία του για καλύτερες και πιο αξιόπιστες προτάσεις. Σε πολλές περιπτώσεις οι χρήστες σε ένα σύστημα αμελούν να συμπληρώσουν τα στοιχεία τους, εάν δεν τους οδηγήσει το σύστημα βήμα βήμα, ή εάν δεν το δηλώσει ρητά. Όσο αφήνει κενά λοιπόν τα στοιχεία του, τότε η πρώτη σελίδα που θα αντικρίζει θα είναι αυτή. 85

86 Εικόνα 5. 12: Το προφίλ Για την ενημέρωση των στοιχείων, στέλνουμε τα δεδομένα της φόρμας στον controller profiler update_profile, όπου γίνεται η κατάλληλη ενημέρωση της βάσης. Από εκεί μπορεί επίσης να διαγράψει το λογαριασμό του. Εικόνα 5. 13: Τα στοιχεία του χρήστη 86

87 Εικόνα 5. 14: Διαγραφή λογαριασμού χρήστη Home Page Από την Home Page ο χρήστης μπορεί να δει το RSS Feed των διαφόρων ιστολογίων που παρακολουθεί, να δει τα άρθρα ανά κατηγορίες, να του προταθούν άρθρα και ιστολόγια ανάλογα με το προφίλ του, να εισάγει νέα ιστολόγια προς παρακολούθηση ή να διαγράψει κάποια και τέλος να κάνει μία αναζήτηση στον ιστό με βάση κάποια keywords. Εικόνα 5. 15: Home Page 87

88 RSS Reader Πατώντας σε κάποιο button από τη λίστα με τα υπό παρακολούθηση ιστολόγια, καλείται ο αντίστοιχος controller (user show_rss) και εμφανίζονται τα τελευταία 20 άρθρα για το συγκεκριμένο ιστολόγιο. Τα αποτελέσματα επιστρέφονται στον χρήστη με JSON μορφή. Εικόνα 5. 16: RSS controller Βλέπουμε ότι καλείται από το user_model η show_rss συνάρτηση. Εκεί χρησιμοποιώντας XML DOM, παίρνουμε τα περιεχόμενα που θέλουμε. Τα άρθρα τα ανακτούμε από το Atom Feed του κάθε ιστολογίου (π.χ. blog_url /atom.xml?redirect=false&start-index=1&max-results=20). Αρχικά ανακτούμε όλα τα elements με tag name entry, δηλαδή όλα τα άρθρα. Από κάθε τέτοιο element, επιλέγουμε από τα links αυτό το οποίο έχει ως όρισμα ένα πεδίο με alternate τιμή. Από το συγκεκριμένο link element λοιπόν, ανακτούμε το URL του κάθε άρθρου καθώς και τον τίτλο του. Στην περίπτωση που το άρθρο δεν έχει τίτλο, τότε εισάγουμε μία default τιμή αποτελούμενη από την ημερομηνία και το κείμενο «Χωρίς Τίτλο». Εικόνα 5. 17: Εύρεση του Feed 88

89 Στην παρακάτω εικόνα φαίνεται ένα στιγμιότυπο από το πώς εμφανίζονται τα άρθρα. Εικόνα 5. 18: Εμφάνιση άρθρων ιστολογίου Κατηγορίες Παρόμοια λειτουργία επιτελείται και όταν ο χρήστης επιλέξει να του εμφανιστούν άρθρα με βάση κάποια κατηγορία. Τότε καλείται ο controller user show_category και στη συνέχεια από το user_model η συνάρτηση show_category. Η εμφάνιση των άρθρων ανά κατηγορία γίνεται με βάση τα ιστολόγια τα οποία παρακολουθεί ο κάθε χρήστης. Επιλέγονται κάθε φορά τα τελευταία 20 άρθρα τα οποία έχουν γίνει εισαγωγή στο σύστημα. Εικόνα 5. 19: Εμφάνιση άρθρων ανά κατηγορία 89

90 Παρακάτω φαίνεται στιγμιότυπο της λίστας που εμφανίζεται από την κατηγορία «Αθλητισμός». Εικόνα 5. 20: Εμφάνιση άρθρων κατηγορίας "Αθλητικά" Πρόταση Ιστολογίων Οι προτάσεις ιστολογίων του χρήστη γίνονται ανακτώντας στην αρχή τη λίστα με τους παρόμοιους χρήστες του χρήστη και στη συνέχεια λαμβάνοντας τα κοινά ιστολόγια τα οποία παρακολουθούν. 90

91 Εικόνα 5. 21: Επιλογή παρόμοιων χρηστών Αφού πάρουμε λοιπόν τους κοινούς χρήστες από τη βάση, ανακτούμε τα ιστολόγια που παρακολουθούν όλοι από κοινού, φροντίζοντας να αποκλείσουμε αυτά που παρακολουθεί ο χρήστης από τον οποίο καλείται η συνάρτηση ή τα οποία έχει απορρίψει από κάποια προηγούμενη πρόταση. Εικόνα 5. 22: Επιλογή προτεινόμενων ιστολογίων Ανάλογα με το εάν υπάρχουν ή όχι προτάσεις ιστολογίων εμφανίζεται το ανάλογο μήνυμα στη σελίδα του χρήστη με επιλογές προσθήκης ιστολογίων στην παρακολούθηση ή κατάργησή τους. Εικόνα 5. 23: Εμφάνιση προτεινόμενων ιστολογίων Εικόνα 5. 24: Μήνυμα επιτυχίας 91

92 Πρόταση Άρθρων Η πρόταση των άρθρων γίνεται με τον γραμμικό συνδυασμό τριών μεθόδων όπως έχει ειπωθεί προηγουμένως. Για να γίνει δυνατόν να μεταβάλλονται τα ποσοστά εμφάνισης άρθρων ανάλογα με την μέθοδο πρέπει να κρατάμε την μέθοδο προέλευσης του κάθε άρθρου. Εικόνα 5. 25: Πίνακες άρθρων - μεθόδων Εικόνα 5. 26: Ποσοστά συμμετοχής μεθόδων Όπως και προηγουμένως, στην πρόταση ιστολογίων, το πρώτο βήμα είναι η ανάκτηση των παρόμοιων χρηστών. Εικόνα 5. 27: Επιλογή παρόμοιων χρηστών Στη συνέχεια, στη πρώτη μέθοδο, επιλέγουμε τα κοινά liked και διαβασμένα άρθρα, προσέχοντας να μην το έχει διαβάσει κάποιο από αυτά ήδη ο χρήστης. Τα άρθρα επιλέγονται να είναι της τρέχουσας ημερομηνίας. Εισάγονται τόσα άρθρα στον πίνακα προτάσεων όσα επιτρέπεται από τις μετρικές της μεθόδου. 92

93 Εικόνα 5. 28: Επιλογή προτεινόμενων διαβασμένων άρθρων Εικόνα 5. 29: Επιλογή προτεινόμενων liked άρθρων Από την δεύτερη μέθοδο επιλέγονται τα άρθρα σύμφωνα με τις κινήσεις και τις προτιμήσεις του χρήστη, δηλαδή τα ιστολόγια που δείχνει να προτιμάει περισσότερο καθώς και την κατηγορία. Για να γίνει αυτό, αρχικά παίρνουμε τα τελευταία 100 άρθρα που έχουν εισαχθεί στην βάση. Εικόνα 5. 30: Επιλογή τελευταίων άρθρων Αφού πάρουμε τα άρθρα προχωράμε στην πρώτη διαδικασία φιλτραρίσματος, με την οποία διαλέγουμε τα άρθρα ανάλογα με τα ποσοστά των ιστολογίων στα οποία έγιναν ανάρτηση. 93

94 Εικόνα 5. 31: Εύρεση ποσοστών συμμετοχής ιστολογίων Εικόνα 5. 32: Εύρεση αριθμού άρθρων προς συμμετοχή ανά ιστολόγιο Στο επόμενο βήμα και αφού έχουμε πάρει την πρώτη «φουρνιά» άρθρων, τα διαλέγουμε ανάλογα με την κατηγορία τους. Παράλληλα εισάγουμε τα άρθρα και στους πίνακες προέλευσης για τον μετέπειτα έλεγχο. 94

95 Εικόνα 5. 33: Εύρεση ποσοστού συμμετοχής ανά κατηγορία Στην 3 η μέθοδο επιλέγουμε τα liked άρθρα του χρήστη της τρέχουσας ημέρας. Στη συνέχεια, ανακτούμε τα keywords αυτών των άρθρων και τα συγκρίνουμε με τα keywords των άλλων άρθρων στη βάση. Εικόνα 5. 34: Επιλογή liked άρθρων χρήστη Η σύγκριση γίνεται με την μέθοδο Jaccard. Έχουν προστεθεί όρια ομοιότητας στα άρθρα, έτσι ώστε να μην επιστρέφονται τα ίδια άρθρα από διαφορετικά ιστολόγια αλλά και όχι άρθρα άσχετα με το θέμα. 95

96 Εικόνα 5. 35: Εύρεση παρόμοιων άρθρων από βάση Στο τέλος τα προτεινόμενα άρθρα εμφανίζονται στον χρήστη, όπως φαίνεται στην εικόνα παρακάτω: Εικόνα 5. 36: Εμφάνιση προτεινόμενων άρθρων 96

97 Εισαγωγή νέου ιστολογίου Οι χρήστες έχουν την δυνατότητα να εισάγουν στο σύστημα τα ιστολόγια τα οποία εκείνοι επιθυμούν για παρακολούθηση. Μέχρις στιγμής υποστηρίζεται μόνο η υπηρεσία blogger (BlogSpot). Όταν ένας χρήστης προσπαθήσει να κάνει εισαγωγή ένα ιστολόγιο τότε αυτό ελέγχεται με JavaScript, εάν ανήκει στην συγκεκριμένη υπηρεσία. Εάν ο έλεγχος βγει σωστός, τότε αποστέλλεται το URL του ιστολογίου στον controller user add_url. Εκεί αρχικά ελέγχεται εάν υπάρχει το ιστολόγιο ήδη στη βάση και εάν όχι, το εισάγουμε. Στη συνέχεια το εισάγουμε στον πίνακα με τις παρακολουθήσεις (follows) και ενημερώνουμε κατάλληλα τις μετρικές του χρήστη, δηλαδή εισάγουμε μία νέα τιμή, αυτή του νέου ιστολογίου. Εικόνα 5. 37: Εισαγωγή νέου ιστολογίου Διαγραφή ιστολογίου Δίνεται επίσης η δυνατότητα στους χρήστες να αφαιρούν κάποιο ιστολόγιο από τις παρακολουθήσεις τους. Σε αυτή την περίπτωση, καλείται ο controller user delete_blog με 97

98 όρισμα το ιστολόγιο προς διαγραφή. Τότε το ιστολόγιο διαγράφεται από τις παρακολουθήσεις και εισάγεται στον πίνακα dislike_blog, της βάσης. Εικόνα 5. 38: Διαγραφή ιστολογίου Αναζήτηση Εάν κάποιος χρήστης το επιθυμεί μπορεί να κάνει μία αναζήτηση στον ιστό ή τοπικά για κάποια συγκεκριμένα keywords. Η αναζήτηση επιστρέφει μόνο άρθρα από ιστολόγια. Για την αναζήτηση στον ιστό χρησιμοποιείται η μηχανή αναζήτησης ιστολογίων Icerocket. Για να πάρουμε τα αποτελέσματα, χρησιμοποιώντας την CURL, στέλνουμε ένα request στην μηχανή με όρισμα τα keywords και στη συνέχεια χρησιμοποιώντας DOM ανακτούμε τα πρώτα 15 αποτελέσματα. Για κάθε αποτέλεσμα που επιστρέφεται, ελέγχουμε για το εάν ανήκει σε κάποιο ιστολόγιο της blogger πλατφόρμας. Εικόνα 5. 39: Αναζήτηση στον ιστό 98

99 Η δεύτερη δυνατότητα που υπάρχει, είναι η τοπική αναζήτηση. Τότε ανακτώνται άρθρα τα οποία υπάρχουν μόνο μέσα στη βάση του συστήματος, από τα blogs που παρακολουθούνται από το χρήστη. Σε αυτήν την περίπτωση δεν γίνεται περιορισμός των αποτελεσμάτων στα ιστολόγια που παρακολουθεί ο χρήστης. Σε αυτή τη μέθοδο προσφέρονται οι εξής επιλογές: μπορεί να γίνει αναζήτηση μόνο στα άρθρα της τρέχουσας ημερομηνίας, στα άρθρα των τελευταίων δύο ημερών ή στα άρθρα των τελευταίων τριών ημερών. Υπάρχει η δυνατότητα σύνθετης αναζήτησης με χρήση του τελεστή «+». Σε αυτή την περίπτωση το επιστρεφόμενο άρθρο θα πρέπει να εμπεριέχει και τους δυο ή παραπάνω όρους αναζήτησης. Διάφοροι όροι μπορούν να συνδυαστούν ως εξής. Κάθε όρος που χωρίζεται από τον επόμενο με κενό διάστημα, αντιστοιχεί στην ένωση των δύο συνόλων τους. Κάθε όρος που χωρίζεται από τον επόμενο με το σύμβολο «+», αντιστοιχεί στην τομή των συνόλων τους. Μπορούν να γίνουν διάφορες συνθέσεις αναζήτησης όπως για παράδειγμα. Σε αυτό το σημείο ανάπτυξης του συστήματος δεν εμφανίζονται οι τίτλοι των άρθρων. Επίσης υποστηρίζονται μόνο οι τελευταίες τρεις ημέρες. Αυτό συμβαίνει για εξοικονόμηση χώρου του δίσκου και υπολογιστικών πόρων, λόγω περιορισμών του sever. Εικόνα 5. 40: Ανάκτηση ευρετηρίου Η ανάκτηση των λέξεων κλειδιών και των άρθρων γίνεται με ένα script, το οποίο δημιουργεί ένα αντεστραμμένο ευρετήριο. Το script παίρνει τις λέξεις κλειδιά τον πίνακα posts, αφού πρώτα αυτά έχουν βρεθεί. 99

100 Εικόνα 5. 41: Δημιουργία ευρετηρίου 5.5 Likes, μετρικές ιστολογίων και κατηγοριών Όπως έχουμε δει, ο χρήστης έχει την δυνατότητα να κάνει like σε κάποια άρθρα που βρίσκει ιδιαιτέρως ενδιαφέροντα. Αυτό συμβάλλει στην δημιουργία εγκυρότερων και πιο αξιόπιστων προτάσεων. Επίσης με κάθε άρθρο που διαβάζει, μεταβάλλονται οι ανάλογες μετρικές των ιστολογίων, των κατηγοριών αλλά και των τριών μεθόδων πρότασης άρθρων. Για την δημιουργία ενός like, καλείται ο controller user add_like, στον οποίο αποστέλλεται ως όρισμα το URL του άρθρου. Εκεί ελέγχεται η βάση για το εάν υπάρχει το άρθρο, έτσι ώστε να ανακτήσουμε τις λέξεις κλειδιά. Έπειτα, γίνεται η εισαγωγή του liked άρθρου στη βάση. Εικόνα 5. 42: Εισαγωγή like 100

101 Όταν ο χρήστης διαβάσει ένα άρθρο, τότε αυξάνει η μετρική για το συγκεκριμένο ιστολόγιο, αλλά και για τη συγκεκριμένη κατηγορία στην οποία ανήκει το άρθρο. Αυτό γίνεται για να καταφέρνει το σύστημα να προτείνει άρθρα σύμφωνα με τις προτιμήσεις του χρήστη. Σε αυτή την περίπτωση καλείται ο controller user blog_rank_up. Εκεί αρχικά μεταβάλλεται η μετρική του ιστολογίου και στη συνέχεια της κατηγορίας (εάν υπάρχει τη δεδομένη στιγμή). Εικόνα 5. 43: Μετρική ιστολογίου Εικόνα 5. 44: Μετρική κατηγορίας Επίσης αποθηκεύεται το άρθρο στη βάση ως διαβασμένο για τον χρήστη. Εικόνα 5. 45: Εισαγωγή διαβασμένου άρθρου Τέλος, για κάθε άρθρο που διαβάζεται από την επιλογή «Πρόταση Άρθρων», διαμορφώνονται αντίστοιχα και οι μετρικές των μεθόδων. Η διαδικασία αυτή επιτελείται από τον controller user 101

102 method_calibration. Αρχικά ανακαλύπτεται από ποια / ποιες μέθοδο / μεθόδους προήλθε το άρθρο και στη συνέχεια γίνονται οι διάφορες αλλαγές. Εικόνα 5. 46: Μετρικές μεθόδων πρότασης άρθρων Επίσης σε αυτή τη συνάρτηση, επιτελούνται οι λειτουργίες για την κατάλληλη μετατροπή των μετρικών για τα ιστολόγια και τις κατηγορίες που είδαμε νωρίτερα και αποθηκεύεται το άρθρο στα διαβασμένα. 5.6 Δημιουργία λέξεων κλειδιών και εύρεση άρθρων Αρχικά και για κάθε κατηγορία άρθρων πρέπει να δημιουργηθούν οι σημαντικότερες λέξεις κλειδιά. Για να επιτευχθεί αυτό ανακτώνται στην αρχή τα άρθρα από κάθε κατηγορία, από το site ειδήσεων newsbeast. Στη συνέχεια και για κάθε άρθρο απομακρύνονται τα stop words και χρησιμοποιώντας τον stemmer που δημιουργήθηκε από το τον Σπύρο Σαρούκο, προχωράμε στην αποκατάληξη των λέξεων. Έπειτα δημιουργείται αντεστραμμένο ευρετήριο και χρησιμοποιώντας την tf-idf μέθοδο δημιουργούνται βάρη σπουδαιότητας για κάθε λέξη. Τα URLS των άρθρων λαμβάνονται από το RSS Feed της σελίδας με τη χρήση του DOM. Κάθε άρθρο βρίσκεται υπό ένα element με όνομα item. Αυτά βρίσκονται μέσα στο πρώτο από τα link elements. Η διαδικασία αυτή εκτελείται με το script create_array_all. 102

103 Εικόνα 5. 47: Επιλογή άρθρων ανά κατηγορία Στην πορεία και για κάθε ένα άρθρο που πήραμε, ανακτούμε το περιεχόμενό του, χρησιμοποιώντας XPath Query. Εικόνα 5. 48: Επιλογή κειμένου άρθρου Η αποκατάληξη των λέξεων και η αφαίρεση των stop words, γίνεται στέλνοντας ως όρισμα στον stemmer, το κείμενο του άρθρου. Αυτό επιστρέφει έναν πίνακα με τις λέξεις κλειδιά του συγκεκριμένου άρθρου στην κλιτική τους μορφή. Για κάθε κατηγορία άρθρων υπάρχει ένας ξεχωριστός πίνακας, όπου αποθηκεύονται τα άρθρα και οι λέξεις κλειδιά. Η διαδικασία αυτή εκτελείται με το script create_stem_all. 103

104 Εικόνα 5. 49: Αποκατάληξη λέξεων Το επόμενο βήμα στην σχετική διαδικασία είναι να δημιουργηθεί το αντίστροφο ευρετήριο. Δηλαδή ένας κατάλογος λέξεων και τα κείμενα στα οποία εμφανίζεται, μαζί με τη συχνότητα εμφάνισης. Το ευρετήριο αποθηκεύεται στον πίνακα indexes, όπου υπάρχει από μία εγγραφή για κάθε κατηγορία άρθρων. Εκεί αποθηκεύονται επίσης και οι λέξεις κλειδιά της κάθε κατηγορίας. Για κάθε άρθρο θέλουμε να ξέρουμε την κάθε λέξη που υπάρχει και τον αριθμό εμφάνισής της. Αυτό επιτυγχάνεται με την συνάρτηση array_count_values. Η συνάρτηση μετατρέπει τον πίνακα (array) με τις λέξεις του κειμένου σε έναν νέο πίνακα (array), της μορφής. Για κάθε καινούργια λέξη που συναντάμε την εισάγουμε στο ευρετήριο μαζί με το id του κειμένου που εμφανίστηκε και τον αριθμό εμφάνισης της λέξης μέσα στο συγκεκριμένο κείμενο. Εάν συναντήσουμε μία λέξη που υπάρχει ήδη μέσα στο ευρετήριο, τότε απλώς εισάγουμε τα νέα δεδομένα, δηλαδή το νέο κείμενο και τον αριθμό εμφάνισης της λέξης. 104

105 Εικόνα 5. 50: Δημιουργία ανεστραμμένου ευρετηρίου Στη συνέχεια και για κάθε έναν όρο πρέπει να υπολογιστεί η tf-idf τιμή του. Όταν γίνει αυτό, παίρνουμε το ¼ των σημαντικότερων λέξεων ως λέξεις κλειδιά της κατηγορίας. Εικόνα 5. 51: Εύρεση βάρους κάθε λέξης 105

106 Οι παραπάνω λειτουργίες εκτελούνται με το script create_inv_tf_all. Τέλος, από τη στιγμή που υπάρχουν οι λέξεις κλειδιά για την κάθε κατηγορία που έχουμε στο σύστημα, μπορούμε να ανακτούμε τα άρθρα από τα διάφορα ιστολόγια και να βρίσκουμε την κατηγορία του κάθε άρθρου. Η εύρεση των άρθρων γίνεται με το script posts. Διαβάζουμε τα άρθρα από το Atom Feed, χρησιμοποιώντας τη CURL. Αρχικά ανακτούμε όλα τα elements με tag name entry, δηλαδή όλα τα άρθρα. Από κάθε τέτοιο element, επιλέγουμε από τα links αυτό το οποίο έχει ως όρισμα ένα πεδίο με alternate τιμή. Από το συγκεκριμένο link element λοιπόν, ανακτούμε το URL του κάθε άρθρου. Τα άρθρα αποθηκεύονται στον πίνακα posts της βάσης. Εικόνα 5. 52: Εύρεση άρθρων και τίτλων των ιστολογίων Για την κατηγοριοποίηση των άρθρων που βρήκαμε από την προηγούμενη διαδικασία χρησιμοποιείται ο stemmer. Αυτό που κάνουμε είναι να ανακτούμε τις λέξεις κλειδιά του κάθε άρθρου και να τις συγκρίνουμε χρησιμοποιώντας το Jaccard index, με τις λέξεις κλειδιά της κάθε κατηγορίας. Το κείμενο του κάθε άρθρου το λαμβάνουμε με την CURL και ενός XPath Query. Εδώ θα πρέπει να τονιστεί ότι εκτός από το κείμενο συμπεριλαμβάνουμε και τον τίτλο του κειμένου. Αυτό γίνεται διότι κάποια άρθρα αρκετές φορές έχουν μη επαρκές κείμενο ή και καθόλου, οπότε δεν είναι δυνατή η κατηγοριοποίησή τους. 106

107 Εικόνα 5. 53: Ανάκτηση κειμένων των άρθρων Στη συνέχεια συγκρίνουμε τις λέξεις κλειδιά του κειμένου με τις λέξεις κλειδιά των διαφόρων κατηγοριών. Για όποια κατηγορία η μέθοδος δώσει την μεγαλύτερη Jaccard τιμή, τότε αναθέτουμε στο άρθρο το αντίστοιχο tag. Εικόνα 5. 54: Εύρεση κατηγορίας άρθρου Σε αυτό το σημείο έχουν συμπεριληφθεί επιπλέον έλεγχοι. Καταρχάς εάν για κάποιο λόγο οι Jaccard τιμές για τις κατηγορίες είναι 0, τότε γίνεται αυτόματη ανάθεση στην κατηγορία «Διάφορα». Το ίδιο συμβαίνει εάν η μέγιστη τιμή Jaccard (δηλαδή η κατηγορία στην οποία θα έπρεπε να γίνει ανάθεση) έχει τιμή μικρότερη από 0,02. Αυτό σημαίνει ότι η κατηγοριοποίηση δεν είναι πολύ σταθερή για το συγκεκριμένο άρθρο, οπότε γίνεται πάλι ανάθεση στην κατηγορία «Διάφορα». Αυτή η μέθοδος αποδείχτηκε στην πορεία ότι βελτίωσε πολύ το αποτέλεσμα στο σύστημα. Στις διάφορες κατηγορίες (πολιτική, αθλητικά, κοινωνία, οικονομία, τεχνολογία) δεν υπήρχαν πλέον άρθρα που δεν ανήκαν στην κατηγορία, αλλά συμπεριλαμβάνονταν από αστοχία του κώδικα. 107

108 5.7 Συντήρηση βάσης Όπως καταλαβαίνουμε, με τα άρθρα τα οποία προστίθενται σε καθημερινή βάση στο σύστημα, το μέγεθος της Βάσης Δεδομένων αυξάνει σημαντικά. Ένας τρόπος για να μειωθεί το φαινόμενο (αναλογιζόμενοι και το μέγεθος που παρέχει ο server) είναι η διαγραφή κάποιων παλιών posts. Αυτά τα posts μπορεί να προκύπτουν είτε από τη λίστα των άρθρων για τη δημιουργία των λέξεων κλειδιών, είτε από τα άρθρα που παρουσιάζονται στους χρήστες. Στην πρώτη περίπτωση και εάν το επιτρέπει ο Host Server, μπορούμε να δημιουργήσουμε events τα οποία θα διαγράφουν από τον πίνακα των κατηγοριών τα άρθρα. Ένα τέτοιο παράδειγμα βλέπουμε παρακάτω: Εικόνα 5. 55: Event καθαρισμού Σε αυτήν την περίπτωση θα πρέπει να δοθεί προσοχή, έτσι ώστε ο συνολικός αριθμός των άρθρων στον πίνακα της κατηγορίας να αποθηκεύεται σε κάποια μεταβλητή στη βάση. Με ένα trigger μπορούμε να καθορίσουμε να αυξάνεται αυτή η μεταβλητή με κάθε νέο insert στον πίνακα. Εικόνα 5. 56: Trigger αύξησης μετρικής Επαναλαμβάνοντας, αυτές οι ενέργειες εξαρτώνται από τον Host Server και από τις δυνατότητες που δίνει. Στην δεύτερη περίπτωση μπορούμε να διαγράφουμε τα άρθρα των οποίων η ημερομηνία ανάρτησης έχει περάσει και επομένως (ως άρθρα ενημέρωσης) θεωρούνται παλιά. Αυτό μπορεί να γίνει είτε χρησιμοποιώντας ένα event, είτε με MySql query. 108

109 Εικόνα 5. 57: Event καθαρισμού πίνακα posts Εικόνα 5. 58: MySql query καθαρισμού πίνακα posts 109

110 6 ο Κεφάλαιο Αποτίμηση & Επεκτάσεις 6.1 Εισαγωγή Για να διαπιστωθεί η λειτουργικότητα του συστήματος φιλοξενήθηκε για ένα μικρό χρονικό διάστημα σε μία free web hosting υπηρεσία. Παράλληλα ζητήθηκε από ένα μικρό αριθμό ατόμων να το χρησιμοποιήσουν, έτσι ώστε να καταγραφεί η αποτελεσματικότητά του. Η MySQL έκδοση του server είναι η 5.1, ενώ χρησιμοποιείται η 5.2 έκδοση της PHP. Χρησιμοποιήθηκαν Cron Jobs, για την προγραμματισμένη εκτέλεση των διαφόρων scripts, ενώ δεν ήταν δυνατή η χρήστη του APC extension. 6.2 Online Testing Σε ένα τέτοιο σύστημα, το οποίο έχει να κάνει με άρθρα κυρίως ενημέρωσης, για να προκύψουν ασφαλή και αξιόπιστα συμπεράσματα χρειάζεται ένας ικανοποιητικός αριθμός ατόμων να το δοκιμάζουν και να καταγράφουν τη γνώμη τους. Αυτό, γιατί ο αριθμός των άρθρων είναι υπερβολικά μεγάλος, αλλάζει συνεχώς η θεματολογία και γενικώς είναι δύσκολο για κάποιον να καταφέρει να τα παρακολουθεί όλα. Στην συγκεκριμένη έρευνα, χρησιμοποίησαν το σύστημα έξι άτομα. Καταλαβαίνουμε ότι αυτός δεν είναι ικανοποιητικός αριθμός για να διαπιστώσουμε σε έκταση τα θετικά και τις αδυναμίες του συστήματος. Παρόλα αυτά, ακόμη και με αυτό το μικρό dataset προέκυψαν πολλά χρήσιμα συμπεράσματα τα οποία μένουν ως χρήσιμος και σημαντικός οδηγός για διάφορες μελλοντικές επεκτάσεις. Όσον αφορά την απόδοση του συστήματος δεν υπήρξε κανένα πρόβλημα, με τους χρόνους ανάκτησης δεδομένων από τη βάση αλλά και των διαφόρων scripts να είναι ελάχιστοι και να μην προκαλούν την δυσχέρεια του χρήστη. Επίσης, οτιδήποτε πρόβλημα και να παρουσιάστηκε κατά την εκτέλεση του κώδικα λύθηκε άμεσα, με την επιτόπου συνεργασία των συμμετεχόντων στην έρευνα. Για την αποτελεσματικότητα των λειτουργιών πρότασης άρθρων χρησιμοποιήθηκαν δύο μέθοδοι. Αρχικά, η διατήρηση στατιστικών για τον αριθμό των αναγνωσμένων και liked άρθρων ανά ημέρα και στο τέλος ένα ερωτηματολόγιο για να καταγραφούν οι γνώμες και οι σκέψεις των ατόμων. 110

111 Για να ωθήσουμε τους χρήστες στην χρήση της μεθόδου «Πρότασης Άρθρων», με την είσοδό τους στο σύστημα εμφανίζονται αυτόματα οι προτάσεις τους. Αυτό λειτούργησε και θετικά και αρνητικά. Αρχικά, ήταν δυνατή η συλλογή κάποιων αρχικών αποτελεσμάτων, αφού σε διαφορετική περίπτωση μπορεί να μην δοκίμαζαν τη λειτουργία. Από την άλλη όμως ελάχιστοι μετά την πρώτη τους επαφή με τις προτάσεις και το browsing στα διάφορα ιστολόγια, ξαναδοκίμαζαν την λειτουργία για να δουν εάν θα τους προταθεί κάτι διαφορετικό. Αυτό είχε ως αποτέλεσμα οι προτάσεις να είναι περιορισμένες, σε αρκετές περιπτώσεις να έχουν χαμηλό βαθμό επιτυχίας και τέλος να μην παρακινούνται οι χρήστες να ξαναχρησιμοποιήσουν το σύστημα. Στην παρακάτω εικόνα βλέπουμε τα ποσοστά διαβασμένων και liked άρθρων ανά τις διάφορες ημέρες χρήσης. Παρατηρούμε εύκολα ότι τα ποσοστά αυξήθηκαν κατά τη διάρκεια της έρευνας, δίχως όμως να υπάρχει μία απόλυτη σταθερότητα. Αυτό οφείλεται στην σποραδική συχνότητα χρήσης. Εικόνα 6. 1: Ποσοστά διαβασμένων και liked άρθρων Σημείο κλειδί είναι ο αριθμός των παρόμοιων χρηστών σύμφωνα με τους οποίους γίνεται η πρόταση άρθρων. Στο «The Researcher» εφαρμόστηκαν οι ακόλουθες προσεγγίσεις. 111

112 Αρχικά, ο αριθμός των παρόμοιων χρηστών καθορίστηκε να είναι τρεις. Αποτέλεσμα αυτού ήταν να μην επιστρέφονται άρθρα από την 1 η μέθοδο, δηλαδή διαβασμένα και liked άρθρα από παραπλήσιους χρήστες, αφού η χρήση του συστήματος ήταν σποραδική και οπότε δεν μπορούσε να ικανοποιηθεί η συνθήκη. Οι μέθοδοι που αναπτύχθηκαν λοιπόν ήταν αυτές που αφορούσαν τις προσωπικές ρυθμίσεις του χρήστη. Έπειτα και για να γίνει δυνατόν να δοθεί μία λύση στο παραπάνω πρόβλημα, ο αριθμός των παρόμοιων χρηστών μειώθηκε μόλις στον έναν. Με αυτόν τον τρόπο τα προτεινόμενα άρθρα που εμφανίζονταν στο χρήστη ήταν περισσότερα. Η διαφορά έγινε εμφανής στους χρήστες σύμφωνα με την ανάδρασή τους. Αυτή η αλλαγή παρόλα αυτά δεν εγγυάται ότι τα επιστρεφόμενα άρθρα είχαν θα έχουν πολύ καλό ποσοστό επιτυχίας. Και πάλι το πρόβλημα εντοπίζεται στον μικρό αριθμό ατόμων που πήραν μέρος στην έρευνα. Εδώ θα πρέπει να σημειωθεί ότι τα επιστρεφόμενα άρθρα από τους παρόμοιους χρήστες, στην αρχή προέρχονταν με αντίστροφη χρονολογική σειρά. Αποτέλεσμα αυτού, ειδικά εάν δεν υπήρχαν νέα διαβασμένα και liked άρθρα, να εμφανίζονται άρθρα δύο και τριών ημερών. Εξαιτίας λοιπόν αυτού του γεγονότος, καθορίστηκε στη πορεία τα επιστρεφόμενα άρθρα να ανήκουν μόνο στην τρέχουσα ημερομηνία. Αυτό όμως σημαίνει ότι εάν οι παραπλήσιοι χρήστες του Χ δεν είχαν κάνει χρήση του συστήματος μία συγκεκριμένη ημέρα, τότε δεν υπήρχαν άρθρα να του προταθούν. Επιπλέον θα πρέπει να τονιστεί η μικρή ανέχεια των χρηστών στη μείωση των σωστών προτάσεων. Εάν σε κάποια στιγμή της χρήσης τους τα αποτελέσματα δεν τους ενδιέφεραν σε μεγάλο ποσοστό, αυτό είχε ως αποτέλεσμα την προκατάληψή τους απέναντι στο σύστημα, οπότε δεν έβαζαν τον εαυτό τους στη διαδικασία του περαιτέρω ελέγχου της προτάσεως άρθρων. Από τη στιγμή δηλαδή που δεν τους ενδιέφεραν τα αποτελέσματα που εμφανίζονταν την στιγμή της εισόδου τους, δεν ήταν διατεθειμένοι να ξαναδοκιμάσουν την λειτουργία. Κάποιοι από την άλλη, περιοριζόντουσαν μόνο στην ανάγνωση από τις προτάσεις κατά την στιγμή εισόδου, οπότε και οι μετρικές των προτιμήσεών τους δεν σημείωναν μεγάλη μεταβολή. Στον παρακάτω πίνακα φαίνονται οι διακυμάνσεις των ποσοστών επιτυχίας σύμφωνα με τα στατιστικά των διαβασμένων άρθρων. Αυτά προήλθαν από τα στατιστικά δεδομένα που συλλέγονταν κατά τη διάρκεια της συμμετοχής τους. Η κάθε περίοδος αφορά τέσσερις ημέρες στη συνολική διάρκεια 13 ημερών, εκτός της τελευταίας περιόδου που αφορά πέντε ημέρες. Τα ποσοστά δείχνουν σε ποια από τις τρεις περιόδους το σύστημα είχε περισσότερη επιτυχίας. Είναι λογικό ότι εάν τα ποσοστά ήταν τα ίδια και στις τρεις περιόδους ή εάν μειώνονταν τότε η επιτυχία των προτάσεων δεν ήταν καλή. Στον πίνακα συμπεριλαμβάνεται επίσης ο αριθμός των ημερών όπου ο χρήστης δεν έκανε χρήση του συστήματος, τα συνολικά άρθρα που διάβασε από την «Πρόταση Άρθρων» και τον συνολικό αριθμό άρθρων όπως χρησιμοποιείται για την διαμόρφωση των μετρικών των ιστολογίων και των κατηγοριών. 112

113 Χρήστης 1 η Περίοδος 2 η Περίοδος 3 η Περίοδος Συνολικά Άρθρα Προτάσεων Συνολικά Άρθρα Ημέρες Απουσίας User_1 7 % 51 % 42 % User_2 10 % 30 % 60 % User_3 11 % 40 % 49 % User_4 20 % 60 % 20 % User_5 10 % 46 % 44 % User_6 0 % 28 % 72 % Total 8 % 42.5 % 49.5 % Πίνακας 6. 1: Στατιστικά διαβασμένων άρθρων Από τον παραπάνω πίνακα συμπεραίνουμε ότι το σύστημα στο σύνολό του προχώρησε σε βελτίωση των αποτελεσμάτων. Η πρώτη περίοδος ήταν περίοδος προσαρμογής και εκμάθησης του συστήματος. Όταν το σύστημα διαμόρφωσε ένα προφίλ για τον κάθε χρήστη, τότε τα άρθρα που του εμφανίζονταν ήταν περισσότερο κοντινά στις προτιμήσεις του. Αυτό φαίνεται από την διαφορά της τάξης του 34% ανάμεσα στις πρώτες δύο περιόδους. Τα ποσοστά ανάμεσα στην 2 η και την 3 η περίοδο κυμάνθηκαν περίπου στα ίδια επίπεδα. Συμπεραίνουμε ότι σημαντικά στοιχεία για την διαμόρφωση σωστών προβλέψεων είναι η συχνή χρήση έτσι ώστε να δημιουργηθεί το κατάλληλο προφίλ. Από τον παραπάνω πίνακα για παράδειγμα βλέπουμε ότι ο χρήστης User_5 δεν έκανε χρήση του συστήματος περίπου τις μισές ημέρες και τα άρθρα τα οποία διάβασε ήταν πολύ λίγα στον αριθμό. Κατευθείαν, εάν αποφασίσουμε να τον αφαιρέσουμε από τον πίνακα θεωρώντας ότι δεν προσφέρει ουσιαστικές πληροφορίες, τότε τα συνολικά ποσοστά θα διακυμανθούν ως εξής: 1 η Περίοδος 2 η Περίοδος 3 η Περίοδος Άρθρα Total 7.6 % 39 % 53.4 % 374 Προχωρώντας σε αυτή την αλλαγή λοιπόν, βλέπουμε ότι η διαφορά ανάμεσα στις πρώτες δύο περιόδους πλέον κυμαίνεται στο ποσοστό της τάξης του 31%, ενώ αντίθετα η διαφορά ανάμεσα στην 2 η και την 3 η περίοδο αυξήθηκε στο 14.4% Στον δεύτερο πίνακα φαίνονται οι διακυμάνσεις των ποσοστών επιτυχίας σύμφωνα με τα στατιστικά των liked άρθρων. Τα liked άρθρα δεν είναι τόσο καλό μέτρο εξαγωγής συμπερασμάτων καθώς ένα άρθρο μπορεί να μας ενδιαφέρει αλλά να μην προχωρήσουμε 113

114 στην σήμανσή του ως liked. Η χρήση τους παραμένει καλύτερη ως μέτρο σύγκρισης για εύρεση των παραπλήσιων χρηστών. Χρήστης 1 η Περίοδος 2 η Περίοδος 3 η Περίοδος Συνολικά Άρθρα Ημέρες Απουσίας User_1 8 % 55 % 37 % 63 2 User_2 13 % 26 % 67 % 54 2 User_3 0 % 50 % 50 % 8 4 User_4 0 % 12 % 88 % 3 5 User_5 25 % 75 % 0 % 4 1 User_6 0 % 64 % 36 % 14 1 Total 7.6 % 47 % 45.4 % Πίνακας 6. 2: Στατιστικά liked άρθρων Λαμβάνοντας τώρα υπόψη την ανάδραση των χρηστών, σε ορισμένες περιπτώσεις κάποιοι από αυτούς δήλωσαν ότι το ποσοστό επιτυχίας των αποτελεσμάτων μειώθηκε ή δεν ήταν καλό εξαρχής. Αυτό μπορεί να εξηγηθεί παρατηρώντας τις μετρικές των χρηστών για τις διάφορες κατηγορίες και συγκεκριμένα για την κατηγορία «Διάφορα». Σε αρκετές περιπτώσεις συγκεντρώνει μεγάλο αριθμό επισκέψεων και άρα θα προτείνονται άρθρα από τη συγκεκριμένη κατηγορία. Η παγίδα όμως είναι ότι εκεί κατηγοριοποιούνται άρθρα για τα οποία δεν μπορεί να γίνει ασφαλής εκτίμηση ή δεν ταιριάζει κάποια από τις υπόλοιπες κατηγορίες. Τα άρθρα λοιπόν που προέρχονται από εκεί μπορεί να έχουν διάφορες θεματολογίες οι οποίες δεν ενδιαφέρουν τον χρήστη με συνέπεια να μειώνονται τα ποσοστά επιτυχίας. Η λύση σε αυτό το πρόβλημα είναι η εισαγωγή περισσοτέρων κατηγοριών άρθρων για να υπάρχει καλύτερος διαχωρισμός. Γενικώς, εάν πρέπει να ορίσουμε επιγραμματικά κάποιους κανόνες συμπεράσματα για την μελλοντική σωστή και πετυχημένη λειτουργία του συστήματος αλλά και παρόμοιων συστημάτων αυτοί θα ήταν οι εξής: Για να λειτουργήσει σωστά το σύστημα, χρειάζεται ικανοποιητικό αριθμό χρηστών, οι οποίοι να χρησιμοποιούν το σύστημα σε συχνή βάση. Αυτή είναι απαραίτητη προϋπόθεση για να εντοπιστούν ίδια patterns στις προσωπικότητες των χρηστών. Ο αριθμός των παρόμοιων χρηστών πρέπει να καθοριστεί συναρτήσει του συνολικού αριθμού χρηστών του συστήματος. Θα πρέπει να δοθεί στους χρήστες μία περιγραφή της λειτουργίας του συστήματος έτσι ώστε να κατανοήσουν τον τρόπο λειτουργίας του και να εκμεταλλευτούν τις δυνατότητές του. Αυτή η περιγραφή δεν πρέπει να μείνει στην ευχέρεια του χρήστη να την παρακολουθήσει ή όχι. Πρέπει με σύντομο και περιεκτικό τρόπο να τους παρουσιαστούν οι διάφορες λειτουργίες και το πώς ενδείκνυται να χρησιμοποιούν το 114

115 σύστημα. Αυτό είναι αναγκαίο εάν απευθυνόμαστε σε χρήστες οι οποίοι έχουν ελάχιστη επαφή με παρόμοια συστήματα, αφού η πράξη δείχνει ότι δεν κατανοούν πλήρως τη λειτουργία του recommendation. Θα ήταν καλό να δημιουργηθεί μία start up συνθήκη με χαλαρούς κανόνες, έτσι ώστε να υπάρχει πλήθος δεδομένων για την αρχικοποίηση και τον καθορισμό μετρικών για τους χρήστες. Συμπερασματικά, μπορούμε να πούμε ότι το The Researcher στο σύνολο πετυχαίνει τους στόχους του, μαθαίνοντας το προφίλ των χρηστών, αναπτύσσοντας και μεταβάλλοντας τις μεθόδους του, δίνοντας στο τέλος σωστές προβλέψεις. 6.3 Τοπική Αναζήτηση Για να διαπιστωθεί η αποτελεσματικότητα της τοπικής αναζήτησης τέθηκαν διάφορα ερωτήματα και καταγράφηκαν τα αποτελέσματα που επεστράφησαν. Στις παρακάτω εικόνες βλέπουμε ένα τέτοιο παράδειγμα. Χρησιμοποιήθηκαν οι εξής όροι αναζήτησης: «σαμαράς», «μέτρα» και «μέρκελ». Εικόνα 6. 2: Αποτελέσματα για "σαμαράς" Εικόνα 6. 3: Αποτελέσματα για "μέτρα" 115

116 Εικόνα 6. 4: Αποτελέσματα για "μέρκελ" Για να δούμε την αποτελεσματικότητα της αναζήτησης, εισάγαμε τον όρο αναζήτησης «σαμαράς μέρκελ + μέτρα» και επεστράφη μόνο ένα αποτέλεσμα, όπως ήταν αναμενόμενο. Εικόνα 6. 5: Αποτέλεσμα για "μέρκελ σαμαράς + κυβέρνηση" 6.4 Επεκτάσεις Το «The Researcher» είναι ένα πιλοτικό σύστημα πρότασης άρθρων. Διάφορες επεκτάσεις και αλλαγές μπορούν να υλοποιηθούν για να βελτιωθεί τόσο στην απόδοση όσο και στην λειτουργικότητα. Καταρχάς μπορούν να προστεθούν επιπλέον κατηγορίες άρθρων. Με αυτόν τον τρόπο θα βελτιωθεί η κατηγοριοποίηση αφού θα απαλειφθούν διάφορες «γκρίζες ζώνες» και θα καλυφθεί μεγαλύτερο εύρος στις προτιμήσεις των χρηστών. Επιπρόσθετα μπορούν να γίνουν διάφορες βελτιώσεις στους αλγόριθμους πρότασης άρθρων. Οι αλλαγές αυτές δεν υπακούουν σε κάποιον κανόνα, αλλά προκύπτουν από την παρατήρηση των μέχρι τώρα στοιχείων και δεδομένων. Το πώς θα στηθεί ο αλγόριθμος είναι στην κρίση και στην φαντασία του προγραμματιστή. Άλλη επέκταση είναι η τροποποίηση έτσι ώστε να δέχεται και άλλες blogging υπηρεσίες (π.χ. wordpress), καθώς και η υποστήριξη άλλων γλωσσών. 116