Εξατομικευμένα συστήματα διαχείρισης δεδομένων

Abstract

The exponential growth of the Web has turned it into a huge repository of information for humanity. Key features of this development are: (a) the oversupply of information and services, (b) the coverage of the demands for users with various interests and characteristics, and (c) the variety of information accessing means. Furthermore, the evolution of social networks and Web 2.0, and the growing internet access via fast wireless networks and mobile devices (e.g. smartphones, tablets) have enabled the collection of vast amounts of data regarding the characteristics, interests and preferences of users and the corresponding usage scenarios. In this context, several challenges emerge for both users and information providers, since for the former the task of discovering the portions of information that are the most relevant to their interests and preferences is becoming harder, while the latter seek ways for more effective and targeted promotion of their services to the users who are more likely to be interested in them. Hence, the need for systems and methods that provide personalized services to users and providers is becoming urgent. This thesis deals with personalization issues in data management at both system and application levels. Specifically, we focus on: (a) user preference management for relational data, and (b) preference query evaluation techniques. For the first part, we propose a new model for representing preferences over relational data and we extend the existing relational algebra operators, such that they take into account the user preferences. Moreover, we have implemented a prototype preference-aware data management framework embedded in a standard relational database system. With regards to preference queries evaluation we approach the problem: (a) from a user's perspective where we propose algorithms for processing skyline queries when user preferences depend on the usage context, e.g., location, time, weather, social environment, and (b) from the view of data providers, where we propose methods for efficient processing of market research queries. In particular, we propose algorithms: (a) for identifying those users that are more likely to buy a product, with applications in personalized advertising, and (b) for optimal product positioning, where we aim to maximize the profit measured as the estimated number of potential product buyers.

Η αλματώδης ανάπτυξη του Παγκόσμιου Ιστού τον έχει καταστήσει μία τεράστια δεξαμενή πληροφοριών για την ανθρωπότητα. Βασικά χαρακτηριστικά της ανάπτυξης αυτής είναι: (α) η υπερπροσφορά πληροφοριών και υπηρεσιών, (β) η κάλυψη των αναγκών χρηστών με διαφορετικά ενδιαφέροντα και (γ) η ποικιλία μεθόδων πρόσβασης στις πληροφορίες. Παράλληλα, η ανάπτυξη του Web 2.0 και των κοινωνικών δικτύων καθώς και η εξέλιξη των ασύρματων δικτύων, των κινητών συσκευών (π.χ. smartphones, tablets) και των αισθητήρων χαμηλού κόστους (π.χ. δέκτες GPS) κάνουν εφικτή τη συλλογή τεράστιων όγκων δεδομένων για τα χαρακτηριστικά, τα ενδιαφέροντα, τις προτιμήσεις και την τρέχουσα κατάσταση των χρηστών. Σε αυτό το πλαίσιο, δημιουργούνται προβλήματα τόσο για τους χρήστες όσο και για τους παρόχους πληροφοριών, καθώς οι πρώτοι αδυνατούν να ξεχωρίσουν τις πληροφορίες που είναι πιο σχετικές με τα ενδιαφέροντα και τις προτιμήσεις τους, ενώ οι δεύτεροι αναζητούν τρόπους πιο αποτελεσματικής και στοχευμένης προώθησης των υπηρεσιών τους προς καταναλωτές που είναι πιο πιθανό να ενδιαφερθούν γι' αυτές. Ως εκ τούτου η ανάγκη για συστήματα και τεχνικές που να παρέχουν εξατομικευμένες υπηρεσίες σε χρήστες και παρόχους γίνεται ολοένα και πιο επιτακτική. Η συγκεκριμένη διατριβή πραγματεύεται ζητήματα εξατομίκευσης στη διαχείριση δεδομένων, τόσο σε επίπεδο συστήματος όσο και σε επίπεδο εφαρμογών. Συγκεκριμένα, εστιάζουμε: (α) σε συστήματα διαχείρισης προτιμήσεων χρηστών για σχεσιακά δεδομένα, και (β) σε τεχνικές αποτίμησης ερωτημάτων προτιμήσεων (preference queries). Για το πρώτο κομμάτι, προτείνεται ένα νέο μοντέλο αναπαράστασης προτιμήσεων για σχεσιακά δεδομένα και επεκτείνονται οι υπάρχοντες τελεστές της σχεσιακής άλγεβρας ώστε να λαμβάνουν υπόψη τους τις προτιμήσεις κάθε χρήστη. Επιπλέον, έχει υλοποιηθεί ένα πρωτότυπο σύστημα διαχείρισης προτιμήσεων ενσωματωμένο σε ένα τυπικό σχεσιακό σύστημα βάσεων δεδομένων. Σε σχέση με τις τεχνικές αποτίμησης ερωτημάτων προτιμήσεων προσεγγίζουμε το πρόβλημα: (α) από την πλευρά των χρηστών όπου προτείνουμε αλγορίθμους αποτίμησης ερωτημάτων κορυφογραμμής (skyline queries) όταν οι προτιμήσεις των χρηστών μεταβάλλονται σε σχέση με το περιβάλλον χρήσης (context), π.χ. τη γεωγραφική θέση, χρόνο, καιρικές συνθήκες, κοινωνικό περιβάλλον, και (β) από την πλευρά των παρόχων προτείνοντας τεχνικές αποτίμησης ερωτημάτων έρευνας αγοράς. Πιο συγκεκριμένα, προτείνονται αλγόριθμοι: (α) για την εύρεση των χρηστών οι οποίοι είναι πιο πιθανό να αγοράσουν ένα προϊόν με σκοπό την στοχευμένη προώθησή του (personalized advertising), και (β) για τη βέλτιστη διαμόρφωση των χαρακτηριστικών ενός νέου προϊόντος (product positioning) ώστε να μεγιστοποιείται το όφελος μετρούμενο ως το εκτιμώμενο πλήθος των πιθανών αγοραστών.