Introduction
- 모바일 기술의 발전 → 많은 양의 데이터 → 빠르게 변화 (추가 & 삭제)
- 위와같은 환경에서의 추천 시스템은 오래되거나 새로 등장한 문서들의 가치를 즉각적으로 판단해야 함
- bandit 알고리즘이 이 문제를 해결하는 잘 알려진 방법 → exploitation/exploration balancing 문제
- $\varepsilon$값으로 exploitation과 exploration의 균형을 맞추는 $\varepsilon$-greedy 알고리즘
- How to get optimal $\varepsilon$ in advance?
- Contextual-$\varepsilon$-greedy: 사용자의 상황에 따른 적절한 exr/exp balancing
<aside>
❓ 기존의 연구는 사용자의 모바일 사용 패턴과 주변 환경에 의한 추천하는 것에 그쳤고 문서(정보)의 중요도에 대한 재평가는 다루지 않았다. (Mobile system에서는 정보의 추가/삭제가 잦다.) 이 연구에서 제안하는 방법은 사용자의 상황을 고려하면서도 역동적인 데이터의 중요도를 지속적으로 재평가 한다.
</aside>
Key Notions
The user's model: $\mathrm{U}$
$\mathrm{U=\{ (S^i;UP^i) \}}$
The user's preferences: $\mathrm{UP}$
각 문서 $\mathrm{d}$마다 vector형태의 $\mathrm{UP}$ 존재
$\mathrm{d=(c_1,...,c_n)}\text{, where }\mathrm{c_i(i=1,...,n)}$
$\mathrm{d=(\text{\# of clicks, spent time, \# of recommended})}$
Context: $C$
multi-ontology representation $C=(\boldsymbol{O_{Location},O_{Time},O_{Social}})$
- $\boldsymbol{O_{Location}}$: GPS의 위/경도 정보
- "48.89, 2.23" → "Restaurant"
- $\boldsymbol{O_{Time}}$: 시간 Class를 사전에 정의 [OWL-Time Ontology]
- "Mon Oct 3 12:10:00 6592011" → "Work_day"
- $\boldsymbol{O_{Social}}$: 사용자의 주변인에 대한 정의 [FOAF Ontology]
- "meeting with Paul Gerard" on calendar → "Financial_client"