User Profile Management and Selection in Context-Aware Service Platforms for Networks Beyond 3G

In recent years, progress in the area of mobile telecommunications has changed our way of life, in the private as well as the business domain. Mobile and wireless networks have ever increasing bit rates, mobile network operators provide more and more services, and at the same time costs for the usage of mobile services and bit rates are decreasing. However, mobile services today still lack functions that seamlessly integrate into users’ everyday life. That is, service attributes such as context-awareness and personalisation are often either proprietary, limited or not available at all. In order to overcome this deficiency, telecommunications companies are heavily engaged in the research and development of service platforms for networks beyond 3G for the provisioning of innovative mobile services. These service platforms are to support such service attributes. Service platforms are to provide basic service-independent functions such as billing, identity management, context management, user profile management, etc. Instead of developing own solutions, developers of end-user services such as innovative messaging services or location-based services can utilise the platform-side functions for their own purposes. In doing so, the platform-side support for such functions takes away complexity, development time and development costs from service developers. Context-awareness and personalisation are two of the most important aspects of service platforms in telecommunications environments. The combination of context-awareness and personalisation features can also be described as situation-dependent personalisation of services. The support for this feature requires several processing steps. The focus of this doctoral thesis is on the processing step, in which the user’s current context is matched against situation-dependent user preferences to find the matching user preferences for the current user’s situation. However, to achieve this, a user profile management system and corresponding functionality is required. These parts are also covered by this thesis. Altogether, this thesis provides the following contributions: The first part of the contribution is mainly architecture-oriented. First and foremost, we provide a user profile management system that addresses the specific requirements of service platforms in telecommunications environments. In particular, the user profile management system has to deal with situation-specific user preferences and with user information for various services. In order to structure the user information, we also propose a user profile structure and the corresponding user profile ontology as part of an ontology infrastructure in a service platform. The second part of the contribution is the selection mechanism for finding matching situation-dependent user preferences for the personalisation of services. This functionality is provided as a sub-module of the user profile management system. Contrary to existing solutions, our selection mechanism is based on ontology reasoning. This mechanism is evaluated in terms of runtime performance and in terms of supported functionality compared to other approaches. The results of the evaluation show the benefits and the drawbacks of ontology modelling and ontology reasoning in practical applications.

Multi-topic information filtering with a single user profile

In Information Filtering (IF) a user may be interested in several topics in parallel. But IF systems have been built on representational models derived from Information Retrieval and Text Categorization, which assume independence between terms. The linearity of these models results in user profiles that can only represent one topic of interest. We present a methodology that takes into account term dependencies to construct a single profile representation for multiple topics, in the form of a hierarchical term network. We also introduce a series of non-linear functions for evaluating documents against the profile. Initial experiments produced positive results.

Building and applying a concept hierarchy representation of a user profile

Term dependence is a natural consequence of language use. Its successful representation has been a long standing goal for Information Retrieval research. We present a methodology for the construction of a concept hierarchy that takes into account the three basic dimensions of term dependence. We also introduce a document evaluation function that allows the use of the concept hierarchy as a user profile for Information Filtering. Initial experimental results indicate that this is a promising approach for incorporating term dependence in the way documents are filtered.

An ontological modelling of user requirements for personalised information provision

The knowledge economy offers opportunity to a broad and diverse community of information systems users to efficiently gain information and know-how for improving qualifications and enhancing productivity in the work place. Such demand will continue and users will frequently require optimised and personalised information content. The advancement of information technology and the wide dissemination of information endorse individual users when constructing new knowledge from their experience in the real-world context. However, a design of personalised information provision is challenging because users’ requirements and information provision specifications are complex in their representation. The existing methods are not able to effectively support this analysis process. This paper presents a mechanism which can holistically facilitate customisation of information provision based on individual users’ goals, level of knowledge and cognitive styles preferences. An ontology model with embedded norms represents the domain knowledge of information provision in a specific context where users’ needs can be articulated and represented in a user profile. These formal requirements can then be transformed onto information provision specifications which are used to discover suitable information content from repositories and pedagogically organise the selected content to meet the users’ needs. The method is provided with adaptability which enables an appropriate response to changes in users’ requirements during the process of acquiring knowledge and skills.

Module for the analysis of growth in international commerce (MAGIC Plus): user guide (updated)

Includes bibliography

Discovering user access pattern based on probabilistic latent factor model

There has been an increased demand for characterizing user access patterns using web mining techniques since the informative knowledge extracted from web server log files can not only offer benefits for web site structure improvement but also for better understanding of user navigational behavior. In this paper, we present a web usage mining method, which utilize web user usage and page linkage information to capture user access pattern based on Probabilistic Latent Semantic Analysis (PLSA) model. A specific probabilistic model analysis algorithm, EM algorithm, is applied to the integrated usage data to infer the latent semantic factors as well as generate user session clusters for revealing user access patterns. Experiments have been conducted on real world data set to validate the effectiveness of the proposed approach. The results have shown that the presented method is capable of characterizing the latent semantic factors and generating user profile in terms of weighted page vectors, which may reflect the common access interest exhibited by users among same session cluster.

Towards user profiling for web recommendation

Collaborative recommendation is one of widely used recommendation systems, which recommend items to visitor on a basis of referring other's preference that is similar to current user. User profiling technique upon Web transaction data is able to capture such informative knowledge of user task or interest. With the discovered usage pattern information, it is likely to recommend Web users more preferred content or customize the Web presentation to visitors via collaborative recommendation. In addition, it is helpful to identify the underlying relationships among Web users, items as well as latent tasks during Web mining period. In this paper, we propose a Web recommendation framework based on user profiling technique. In this approach, we employ Probabilistic Latent Semantic Analysis (PLSA) to model the co-occurrence activities and develop a modified k-means clustering algorithm to build user profiles as the representatives of usage patterns. Moreover, the hidden task model is derived by characterizing the meaningful latent factor space. With the discovered user profiles, we then choose the most matched profile, which possesses the closely similar preference to current user and make collaborative recommendation based on the corresponding page weights appeared in the selected user profile. The preliminary experimental results performed on real world data sets show that the proposed approach is capable of making recommendation accurately and efficiently.

Morte neonatal precoce segundo complexidade hospitalar e rede SUS e não-SUS na Região Metropolitana de São Paulo, Brasil

O objetivo foi analisar o perfil dos recém-nascidos, mães e mortalidade neonatal precoce, segundo complexidade do hospital e vínculo com o Sistema Único de Saúde (SUS), na Região Metropolitana de São Paulo, Brasil. Estudo baseado em dados de nascidos vivos, óbitos e cadastro de hospitais. Para obter a tipologia de complexidade e o perfil da clientela, empregaram-se análise fatorial e de clusters. O SUS atende mais recém-nascidos de risco e mães com baixa escolaridade, pré-natal insuficiente e adolescentes. A probabilidade de morte neonatal precoce foi 5,6‰ nascidos vivos (65% maior no SUS), sem diferenças por nível de complexidade do hospital, exceto nos de altíssima (SUS) e média (não-SUS) complexidade. O diferencial de mortalidade neonatal precoce entre as duas redes é menor no grupo de recém-nascidos < 1.500g (22%), entretanto, a taxa é 131% mais elevada no SUS para os recém-nascidos > 2.500g. Há uma concentração de nascimentos de alto risco na rede SUS, contudo a diferença de mortalidade neonatal precoce entre a rede SUS e não-SUS é menor nesse grupo de recém-nascidos. Novos estudos são necessários para compreender melhor a elevada mortalidade de recém-nascidos > 2.500g no SUS.

eTourismGUI - Adaptative Interface

Mestrado em Engenharia Informática. Área de Especialização em Tecnologias do Conhecimento e Decisão.

Sistema de recomendação para plataformas de e-learning

O aumento do número de recursos digitais disponíveis dificulta a tarefa de pesquisa dos recursos mais relevantes, no sentido de se obter o que é mais relevante. Assim sendo, um novo tipo de ferramentas, capaz de recomendar os recursos mais apropriados às necessidades do utilizador, torna-se cada vez mais necessário. O objetivo deste trabalho de I&D é o de implementar um módulo de recomendação inteligente para plataformas de e-learning. As recomendações baseiam-se, por um lado, no perfil do utilizador durante o processo de formação e, por outro lado, nos pedidos efetuados pelo utilizador, através de pesquisas [Tavares, Faria e Martins, 2012]. O e-learning 3.0 é um projeto QREN desenvolvido por um conjunto de organizações e tem com objetivo principal implementar uma plataforma de e-learning. Este trabalho encontra-se inserido no projeto e-learning 3.0 e consiste no desenvolvimento de um módulo de recomendação inteligente (MRI). O MRI utiliza diferentes técnicas de recomendação já aplicadas noutros sistemas de recomendação. Estas técnicas são utilizadas para criar um sistema de recomendação híbrido direcionado para a plataforma de e-learning. Para representar a informação relevante, sobre cada utilizador, foi construído um modelo de utilizador. Toda a informação necessária para efetuar a recomendação será representada no modelo do utilizador, sendo este modelo atualizado sempre que necessário. Os dados existentes no modelo de utilizador serão utilizados para personalizar as recomendações produzidas. As recomendações estão divididas em dois tipos, a formal e a não formal. Na recomendação formal o objetivo é fazer sugestões relacionadas a um curso específico. Na recomendação não-formal, o objetivo é fazer sugestões mais abrangentes onde as recomendações não estão associadas a nenhum curso. O sistema proposto é capaz de sugerir recursos de aprendizagem, com base no perfil do utilizador, através da combinação de técnicas de similaridade de palavras, um algoritmo de clustering e técnicas de filtragem [Tavares, Faria e Martins, 2012].

O perfil do utilizador abusivo dos Serviços de Urgência Portugueses: um estudo no Hospital de São João

A afluência desmedida aos Serviços de Urgência é uma questão que acarreta preocupações a nível financeiro. Contribui para este fato, a mentalidade da população, que acredita que este serviço oferece mais facilidades de acesso, dispõe de mais recursos e fornece melhores cuidados de saúde. Novas medidas foram preconizadas, como o aumento das taxas moderadoras, para tentar travar este fenómeno. No entanto, apesar da descida dos episódios de urgência em cerca de 10%, em Portugal, estudos apontam para valores na ordem dos 30-35% de episódios não urgentes. Assim, torna-se importante que não só se enfatizem as novas medidas, como se eduque a população com vista à correta utilização destes serviços, através de campanhas de sensibilização. Torna-se, assim, necessário que se chegue ao perfil do utilizador abusivo. Para a identificação de um perfil de abusividade, foram solicitados dados de episódios de urgência ocorridos durante um período de 6 meses no Hospital de São João, tendo depois sido estimado um modelo de regressão logística. A metodologia permite identificar quais as características que influenciam uma utilização abusiva do serviço e quantificar o impacto de cada uma destas características na probabilidade de um utente apresentar um comportamento abusivo. Concluiu-se que, uma mulher entre os 18-30 anos, que resida em Vila Nova de Gaia, recorra à urgência durante a noite tendo-lhe sido atribuída uma pulseira azul e seja abrangida pelo Serviço Nacional de Saúde, apresenta 91,92% de probabilidade de utilizar este serviço de forma abusiva. Contrariamente, um homem com mais de 60 anos, residente na Maia, que recorra ao serviço durante o dia, esteja isento do pagamento de taxas moderadoras e seja abrangido pela ADSE, e lhe seja atribuída uma pulseira laranja, apresenta apenas 39,93% de probabilidade de ter um comportamento abusivo. Estes resultados são importantes para definir campanhas de sensibilização que diminuam comportamentos abusivos.

Recomendação de conteúdos multimédia

A quantidade e variedade de conteúdos multimédia actualmente disponíveis cons- tituem um desafio para os utilizadores dado que o espaço de procura e escolha de fontes e conteúdos excede o tempo e a capacidade de processamento dos utilizado- res. Este problema da selecção, em função do perfil do utilizador, de informação em grandes conjuntos heterogéneos de dados é complexo e requer ferramentas específicas. Os Sistemas de Recomendação surgem neste contexto e são capazes de sugerir ao utilizador itens que se coadunam com os seus gostos, interesses ou necessidades, i.e., o seu perfil, recorrendo a metodologias de inteligência artificial. O principal objectivo desta tese é demonstrar que é possível recomendar em tempo útil conteúdos multimédia a partir do perfil pessoal e social do utilizador, recorrendo exclusivamente a fontes públicas e heterogéneas de dados. Neste sen- tido, concebeu-se e desenvolveu-se um Sistema de Recomendação de conteúdos multimédia baseado no conteúdo, i.e., nas características dos itens, no historial e preferências pessoais e nas interacções sociais do utilizador. Os conteúdos mul- timédia recomendados, i.e., os itens sugeridos ao utilizador, são provenientes da estação televisiva britânica, British Broadcasting Corporation (BBC), e estão classificados de acordo com as categorias dos programas da BBC. O perfil do utilizador é construído levando em conta o historial, o contexto, as preferências pessoais e as actividades sociais. O YouTube é a fonte do histo- rial pessoal utilizada, permitindo simular a principal fonte deste tipo de dados - a Set-Top Box (STB). O historial do utilizador é constituído pelo conjunto de vídeos YouTube e programas da BBC vistos pelo utilizador. O conteúdo dos vídeos do YouTube está classificado segundo as categorias de vídeo do próprio YouTube, sendo efectuado o mapeamento para as categorias dos programas da BBC. A informação social, que é proveniente das redes sociais Facebook e Twit- ter, é recolhida através da plataforma Beancounter. As actividades sociais do utilizador obtidas são filtradas para extrair os filmes e séries que são, por sua vez, enriquecidos semanticamente através do recurso a repositórios abertos de dados interligados. Neste caso, os filmes e séries são classificados através dos géneros da IMDb e, posteriormente, mapeados para as categorias de programas da BBC. Por último, a informação do contexto e das preferências explícitas, através da classificação dos itens recomendados, do utilizador são também contempladas. O sistema desenvolvido efectua recomendações em tempo real baseado nas actividades das redes sociais Facebook e Twitter, no historial de vídeos Youtube e de programas da BBC vistos e preferências explícitas. Foram realizados testes com cinco utilizadores e o tempo médio de resposta do sistema para criar o conjunto inicial de recomendações foi 30 s. As recomendações personalizadas são geradas e actualizadas mediante pedido expresso do utilizador.

Estudo descritivo do perfil de utilizador da linha Saúde 24 com análise de impacto ao nível da eficiência, equidade e empowerment em comparação com o modelo inglês NHS Direct

RESUMO - A 8 de Maio de 2008 surgiu o centro de atendimento “Linha Saúde24” (S24) no sentido de modernizar o SNS, aproximando-o do cidadão. O serviço surge baseado no modelo inglês – o NHS Direct – que pode ser encarado como um serviço de informação telefónico apoiado por enfermeiros, disponível 24h por dia, concebido para expandir os serviços púbicos de acesso à rede prestadora de cuidados com intuito de aliviar a pressão da procura na rede de urgências hospitalares e médicos de família, assim como diluir as iniquidades regionais na prestação de serviços. A S24 assenta na perspectiva de ser um ponto de contacto inicial do utente com a rede de prestação de cuidados de saúde com capacidade de orientação. O objectivo da linha está na tentativa mais eficiente no uso dos recursos disponíveis, ao mesmo tempo que delega responsabilidade no cidadão na forma como este utiliza os recursos disponíveis, com melhor racionalização financeira na área da saúde aliada a uma melhor qualidade de serviço prestada e adequada, colocando os cidadãos no mesmo patamar, diluindo as dificuldades de acesso a aqueles que necessitam na tentativa de harmonizar e racionalizar o consumo de serviços de saúde. Esta estrutura permite ao cidadão conhecer melhor o seu estado de saúde e decidir mais acertadamente quanto à decisão a tomar. Com este estudo, e com base na literatura nacional e internacional, pretende-se descrever o perfil de utilizador que acede à S24 – definir o tipo de utilizador, disposição geográfica, motivos pelo qual acede ao serviço e qual o seu destino final, fazendo comparação com o perfil do NHS Direct. Assim, e com os dados obtidos, far-se-á uma avaliação preliminar em termos do contributo da linha S24 no que concerne à sua eficiência, equidade e empowerment dado ao utilizador. --- ------------------------------ABSTRACT - Saúde 24 (S24) is a national 24-hour health line initiated in May 2008 aiming at modernizing the Portuguese NHS by bringing it closer to the citizen. Indeed, S24 be seen as an initial contact point between the patient and the healthcare network, facilitating a better a management of health care demand. The service is inspired on the UK NHS Direct – a nurse-led telephone line to provide easier and faster advice information to people about health, illness and NHS services. It is expected to provide information so that people can deal with their health problems or their families´ on their own, with the purpose of reducing demand to A&E department and out-of-hours GP services. Additionally it can contribute to a reduction in regional inequities in healthcare provision through bringing health care advice to remote areas. The purpose of S24 is to handle more efficiently the available resources by enabling responsibilities in citizens. By doing so, S24 encourages a more appropriate use of available resources, with better financial outcomes and a better quality of care. It is meant, in terms of empowerment, to help people to be in control of their health and healthcare interactions by participating in the final decision. Based on quantitative data, this study defines the S24 caller user profile in terms of type, geographical reference, reasons for calling and outcome. This analysis allows us to perform a preliminary evaluation of the S24 in terms of its contribution to efficiency, equity and empowerment. Then the S24 is compared to

Partilha de Pontos de Interesse, Vídeos e Experiências Sensoriais Baseada no Contexto do Utilizador

A evolução tecnológica das últimas décadas na área das Tecnologias da Informação e Comunicação (TIC) contribuiu para a proliferação de fontes de informação e de sistemas de partilha de recursos. As diversas redes sociais são um exemplo paradigmático de sistemas de partilha tanto de informação como de recursos (e.g. audiovisuais). Essa abundância crescente de recursos e fontes aumenta a importância de sistemas capazes de recomendar em tempo útil recursos personalizados, tendo por base o perfil e o contexto do utilizador. O objetivo deste projeto é partilhar e recomendar locais, artigos e vídeos em função do contexto do utilizador assim como proporcionar uma experiência mais rica de reprodução dos vídeos partilhados, simulando as condições de gravação dos vídeos. Este sistema teve como inspiração dois projetos anteriormente desenvolvidos de partilha e recomendação de locais, artigos e vídeos turísticos em função da localização do utilizador. O sistema desenvolvido consiste numa aplicação distribuída composta por um módulo cliente Android, que inclui a interface com o utilizador e o consumo direto de serviços externos de suporte, e um módulo servidor que controla o acesso à base de dados central e inclui o serviço de recomendação baseado no contexto do utilizador. A comunicação entre os módulos cliente e servidor utiliza um protocolo do nível de aplicação dedicado. As recomendações geradas pelo sistema têm por base o perfil de utilizador, informação contextual (posição do utilizador, data e hora atual e velocidade atual do utilizador) e podem ser geradas a pedido do utilizador ou automaticamente, caso sejam encontrados pontos de interesse de grande relevância para o utilizador. Os pontos de interesse recomendados são apresentados com recurso ao Google Maps, incluindo o período de funcionamento, artigos complementares e a reprodução imersiva dos vídeos relacionados. Essa imersão tem em consideração as condições meteorológicas, temporais e espaciais aquando da gravação do vídeo.