Zastosowanie modeli wnioskowania rozmytego w projektowaniu struktury interfejsu systemu rekomendującego

• Autorzy: Jarosław Jankowski , Maciej Janiak

Warianty tytułu

Application of Fuzzy Inference Models in the Web Recommending Interface Design

• Języki publikacji: PL

Abstrakty

Funkcje interfejsów systemów internetowych można rozpatrywać zarówno przez pryzmat zapewniania dostępu do określonych opcji, jak i z poziomu zastosowań komercyjnych oraz marketingowych. Z uwagi na różne zastosowania można wyodrębnić różne cele oraz kryteria ich oceny, a także obszary zastosowań. W przypadku platform internetowych zorientowanych na cele biznesowe istotną rolę odgrywają interfejsy rekomendujące, które zapewniają dopasowanie produktów do preferencji klienta. Obszary badawcze związane z systemami rekomendującymi dotyczyły dotąd zazwyczaj warstwy algorytmicznej i mechanizmów doboru ofert. Coraz częściej zwraca się również uwagę na sposób wizualizacji ofert i warstwę prezentacyjną. W artykule rozpatruje się konstrukcję interfejsów rekomendujących zorientowanych na pozyskiwanie określonych interakcji ze strony odbiorcy i wykorzystanie mechanizmów doboru poziomu oddziaływania i perswazji. Przedstawione rozwiązanie umożliwia dobór wariantów projektowych oraz wielokryterialną ocenę efektów, co ma za zadanie uwzględnienie zarówno celu biznesowego, jak i poziomu satysfakcji klientów.(abstrakt oryginalny)

EN

Features of web-based recommending systems can be considered both from the perspective of providing access to certain options or from the commercial applications and marketing. Due to different applications different objectives and criteria for their evaluation, and application areas can be distinguished here. In the case of online platforms focused on business goals recommending interfaces play an important role that provide matching products to customer preference. Research areas related to recommending systems have usually focused on algorithmic layer and mechanisms of selection of offers. More and more often, attention is also drawn to the way of visualization offers and presentation layer. The article examines the design of recommending interfaces focused on certain acquisition-oriented interaction with a receiver, and the use of mechanisms of selection of the level of influence and persuasion. The solution enables the selection of design options, and multi-criteria assessment of the effects, which is meant to take into account both business purpose and customer satisfaction level.(original abstract)

Słowa kluczowe

PL

System rekomendujący; Systemy rozmyte

EN

Recommender system; Fuzzy systems

• Czasopismo: Informatyka Ekonomiczna / Uniwersytet Ekonomiczny we Wrocławiu
• Rocznik: 2014
• Numer: nr 2 (32)
• Strony: 86--94

Twórcy

autor

Jarosław Jankowski

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

autor

Maciej Janiak

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• Barneveld J., Setten J., 2004, Designing usable interfaces for TV recommender systems, [w:] L. Ardissono, A. Kobsa, M. Maybury (eds.), Personalized Digital Television: Targeting Programs to Individual Viewers, Human-Computer Interaction Series, t. 6, Kluwer, Dordrecht, s. 259-286.
• Chen L., Pu P., 2010, Eye-Tracking Study of User Behavior in Recommender Interfaces, [w:] P. De Bra, A. Kobsa, D. Chin (eds.), UMAP 2010, LNCS, t. 6075, Springer, Heidelberg, s. 375-380.
• Fogg B.J., 2009, A behavior model for persuasive design, [w:] 4th International Conference on Persuasive Technology '09, ACM, New York, s. 40-47.
• Hayes C., Massa P., Avesani P., Cunningham P., 2002, An online evaluation framework for recommender systems, [w:] Workshop on Personalization and Recommendation in E-Commerce (Malaga, Spain), Springer Verlag, Heidelberg, s. 57-67.
• Herlocker J.L., Konstan J.A., Riedl J., 2000, Explaining collaborative filtering recommendations, [w:] Proceedings of the ACM Conference on Computer Supported Cooperative, ACM Press, New York, s. 241-250.
• Jang J.S.R., 1993, ANFIS: Adaptive-Network-Based Fuzzy Inference Systems, IEEE Transactions on Systems, Man and Cybernetics, t. 23 (3), s. 665-685.
• Jankowski J., 2011, Integration of Collective Knowledge in Fuzzy Models Supporting Web Design Process, [w:] P. Jędrzejowicz, N.T. Nguyen, K. Hoang (red.), ICCCI LNAI, t. 6923, Springer, Heidelberg, s. 395-404.
• Jankowski J., 2013, Modeling the Structure of Recommending Interfaces with Adjustable Influence on Users, ACIIDS, s. 429-438.
• Jawdat A., Obeidat Q., Aljanaby A., 2011, On The Design of User Experience Based Persuasive Systems, "Computer and Information Science" 4(4), s. 90-99.
• Kazienko P., Musiał K., Kajdanowicz T., 2011, Multidimensional Social Network in the Social Recommender System, IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans 41(4), s. 746-759.
• Kukla G., Kazienko P., Bródka P., Filipowski T., 2012, SocLaKE - Social Latent Knowledge Explorator, "The Computer Journal" 55(3), s. 258-276.
• Mamdani E.H., Folger T.A., Gaines R.R., 1981, Fuzzy Reasoning and its Applications, Academic Press, London.
• McNee S.M., Riedl J., Konstan J.A., 2006, Being accurate is not enough: How accuracy metrics have hurt recommender systems, [w:] CHI '06 extended abstracts on Human factors in computing systems, ACM, New York, s. 1097-1101.
• Montaner M., Lopez B., De La Rosa J.L., 2003, A taxonomy of recommender agents on the Internet, "Artificial Intelligence Review" 19(4), s. 285-330.
• Nageswara R.K., Talwar V.G., 2008, Application domain and functional classification of recommender systems- a survey, "Journal of Library & Information Technology", 28(3), s. 17-35.
• Nanou T., Lekakos G., Fouskas K., 2010, The effects of recommendations' presentation on persuasion and satisfaction in a movie recommender system, "Multimedia Systems" 16, s. 219-230.
• Ozok A.A., Fan Q., Norcio A., 2010, Design guidelines for effective recommender system interfaces based on a usability criteria conceptual model, "Behaviour and Information Technology" 29(1), s. 57-83.
• Piegat A., 2001, Fuzzy Modeling and Control, Verlag Heildelberg, New York.
• Pu P., Chen L., 2006,Trust building with explanation interfaces, [w:] Proceedings of the 11th international conference on Intelligent user interfaces (IUI '06), ACM, New York, s. 93-100.
• Qinyu L., 2005, Empirical findings on persuasiveness of recommender systems for customer decision support in electronic commerce, PHD dissertation, Mississippi State University, USA.
• Swearingen K., Sinha R., 2001, Beyond algorithms: An HCI perspective on recommender systems, [w:] ACM Workshop on Recommender Systems SIGIR, ACM, New York.
• Tintarev N., Masthoff J., 2007, A Survey of Explanations in Recommender Systems, [w:] Proceedings of the IEEE 23rd International Conference on Data Engineering (ICDEW '07). IEEE Computer Society, IEEE Press, Washington, s. 801-810.
• Zadeh L.A., 1965, Fuzzy Sets, "Information and Control" 8(3), s. 33-353.
• Zhang X., Wang H., 2005, Recommender Systems for B2B Electronic Commerce, Communications of the IIMA 5(4), s. 53-62.

Identyfikatory

DOI

10.15611/ie.2014.2.08