<<
>>

Алгоритм выработки персонального плана действий

Специфика создания и использования ММС персональной поддержки принятия решений определяется: а) характеристиками транспортной среды - технологиями мобиль­ной передачи данных (объективный аспект), б) персональными чертами потенциальных пользователей (субъективный аспект). Число мобильных сервисов и приложений, активно используемых определенными социальными группами и качественно отражающих их по­требности, относительно невелико [50]. Это связано как с «молодостью» таких техноло­гий, так и с характерными проблемами развивающихся стран (отсутствие достаточного числа квалифицированных кадров для реализации соответствующих проектов).

Кроме то­го, существуют очевидные проблемы широкого охвата пользователей мобильными серви­сами, связанные с индивидуальными особенностями пользователей (уровень образования, физические ограничения и т.п.).

Алгоритм выработки рекомендаций включает в себя несколько шагов.

1. Формирование базы характеристик пользователя(client characterstics set). База из­начально формируется из двух частей: а) характеристики, явно предоставленные пользователем при конфигурации приложения (explicit characteristics); б) характе­ристики, полученные в результате локального анализа поведения и состояния поль­зователя, т.е. данных, хранимых мобильным устройством и получаемых при помо­щи датчиков (tracked characteristics). Характеристики делятся: а) статические, ха­рактеризующие текущий статус пользователя; б) динамические, описывающие его действия; в) исторические, описывающие предыдущие состояния и действия поль­зователя.

2. Расширение базы характеристик путем применения правил, локально доступных приложению-клиенту (local rules). Локальная база правил формируется и обновля­ется посредством взаимодействия с сервисом обновления (local rules update service).

3. Предоставление характеристик пользователя удаленному сервису. Полученные характеристики позволяют на стороне удаленного сервиса сформировать описание пользователя (user's description), которое, в совокупности с описаниями других пользователей, позволяет оценить общую ситуацию, например, состояние город­ской социальной среды.

4. Моделирование городской среды(urban environment model) и прогнозирование воз­можных сценариев развития текущей ситуации (forecasts) на основе оценок и дан­ных, полученных из внешних источников (сервисов, датчиков и пр.). Анализ общей модели городской среды позволяет обновить описание пользователя, идентифици­ровав дополнительные характеристики в соответствии с результатами моделирова­ния.

5. Получение оптимальных рекомендаций для каждого из пользователей и для систе­мы в целом путем анализа сценариев и результатов моделирования. Выработанные рекомендации формируют актуальный сценарий взаимодействия с пользователями сервиса (actual scenario).

6. Обновление контента (на основе актуального сценария), предоставляемого мо­бильным сервисом: обновляются база локальных правил (users rules base), предо­ставляемых пользователям (см. шаг 2) и база рекомендаций (recommendations base).

7. Формирование рекомендаций пользователю: а) на основе локальных правил, при­меняемых в соответствии с расширенной базой характеристик пользователя, полу­ченной на шаге 2; б) с использованием сервиса удаленных рекомендаций.

8. Доставка рекомендаций пользователю. Подсистема взаимодействия с мобильными клиентами позволяет отправлять Push-сообщения на устройства, оповещая, таким образом, клиентов, находящихся в зоне экстремальной ситуации или поблизости от нее.

Согласно предложенной схеме, персонализация мобильного сервиса происходит в рамках следующих процедур:

- локальная персонализация - выработка персональных рекомендаций осуществля­ется на основе расширенной базы характеристик пользователя, формируемой с по­мощью информации, полученной от пользователя как напрямую, так и путем от­слеживания характеристик его активности с использованием средств мобильного устройства;

- удаленная персонализация - расширение рекомендаций осуществляется за счет мо­делирования городской среды с учетом информации, полученной от всех пользова­телей сервиса. Учет интересов пользователя и его характеристик обеспечивает ин­дивидуальный характер вырабатываемых рекомендаций на основе общих рекомен­даций и сценариев управления, принятых системой.

2.2.2

<< | >>
Источник: Карбовский Владислав Александрович. ТЕХНОЛОГИИ ЭКСТРЕННЫХ ВЫЧИСЛЕНИЙ ДЛЯ ИНДИВИДУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В КРИТИЧЕСКИХ СИТУАЦИЯХ. ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук. Санкт-Петербург - 2014. 2014

Еще по теме Алгоритм выработки персонального плана действий:

  1. Текст как результат взаимодействия плана выражения и плана содержания
  2. ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНО-ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ РАСЧЕТА ПЛИТ
  3. Риски в системе персональных финансов61
  4. Алгоритм формирования тремерной рабочей сцены при использовании нескольких оптико-электронных датчиков
  5. Функции и система персональных финансов[36]
  6. 4.1. ПОСТАНОВКА И АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ ОПТИМИЗАЦИИ
  7. ГЛАВА 4. РАЗРАБОТКА АЛГОРИТМА ОПТИМИЗАЦИИ ЖЕЛЕЗОБЕТОННЫХ ПЛИТ
  8. Индикаторы сбалансированного развития системы персональных финансов
  9. 3.1. Формирование стратегии развития системы персональных финансов
  10. Динамика стоимости совокупных персональных финансовых активов
  11. Конститутивные и регулятивные принципы персональных финансов[17]
  12. Генезис теоретических представлений о персональных финансах[3]