Recommendations in mobile commerce environments: supporting quality and privacy requirements

Abstract

Recommender systems have become a technology that has been widely used by various online applications in situations where there is an information overload problem. Numerous applications such as e-commerce, movie recommendations, song recommendations and people to people recommendations in social networks helping the users, which has improved the quality of the experience and revenues of the vendor. The development of recommender systems has been focused mostly on the development of algorithms, such as collaborative filtering, that provide more accurate recommendations in web environments. However, the use of mobile devices and the rapid growth of the internet and networking infrastructure has brought the necessity of using mobile recommender systems in different environments and scenarios. In mobile environments, every recommendation system is developed with a specific task in mind since a mobile recommendation domain does not exist now. Furthermore, when a mobile recommender system is developed a set of components derived from traditional web recommender systems is used. However, little work has been done towards the identification of the requirements that have an impact on the development of mobile recommender systems.In this thesis, the factors that affect the quality of recommender systems in mobile environments have been extensively analyzed by the author and novel work towards mobile recommender systems development is presented. To that end, the author assists in the development of mobile recommender systems by analyzing the factors that affect the recommendations in mobile scenarios and then makes four contributions: In the first contribution, the concept of static multi-level collaborative filtering for the improvement of the recommendations is introduced. In the second contribution, a dynamic multi-level collaborative filtering is proposed. In the third contribution, a method for privacy-preserving collaborative filtering recommendations is proposed, while in the fourth contribution a method for privacy-preserving context-aware mobile recommendations is presented. The proposals have been tested on common experimental designs that consider real datasets from different recommendation domains, widely used evaluation metrics and comparisons to alternative methods where necessary. The results of the experiments support the validity of the contributions and provide useful insights on their behavior, while supporting their practical applicability.

Τα συστήματα συστάσεων έχουν γίνει μια τεχνολογία που έχει χρησιμοποιηθεί ευρέως από διάφορες ηλεκτρονικές εφαρογές σε περιπτώσεις όπου υπάρχει πρόβλημα υπερφόρτωσης πληροφοριών. Πολυάριθμες εφαρμογές όπως το ηλεκτρονικό εμπόριο, οι συστάσεις ταινιών, οι συστάσεις τραγουδιού και οι συστάσεις ατόμων σε άτομα στα κοινωνικά δίκτυα βοηθούν τους χρήστες, γεγονός που βελτίωσε την ποιότητα της εμπειρίας των χρηστών αλλά και των εσόδων της εταιρείας που τα χρησιμοποιεί. Η ανάπτυξη συστημάτων συστάσεων έχει επικεντρωθεί κυρίως στην ανάπτυξη αλγορίθμων, όπως το συνεργατικό φιλτράρισμα, που παρέχουν πιο ακριβείς συστάσεις σε περιβάλλοντα web. Ωστόσο, η χρήση κινητών συσκευών και η ταχεία ανάπτυξη της υποδομής διαδικτύου και δικτύωσης έχουν φέρει την ανάγκη χρήσης συστημάτων συστάσεων σε κινητές συσκευές οι οποίες μπορεί να βρίσκονται σε εναλλασόμενα περιβάλλοντα. Σε κινητά περιβάλλοντα, κάθε σύστημα συστάσεων αναπτύσσεται με συγκεκριμένο στόχο δεδομένου ότι δεν υπάρχει εώς τώρα ένας τομέας συστάσεων για κινητά. Επιπλέον, όταν αναπτύσσεται ένα σύστημα συστάσεων σε κινητά περιβάλλοντα, χρησιμοποιείται ένα σύνολο τεχνολογιών που προέρχονται από τα συστήματα συστάσεων διαδικτυακού περιβάλλοντος. Μέχρι στιγμής, έχουν γίνει ελάχιστες προσπάθειες για τον εντοπισμό των απαιτήσεων που έχουν αντίκτυπο στην ανάπτυξη συστημάτων συστάσεων σε κινητά περιβάλλοντα. Σε αυτή τη διατριβή, οι παράγοντες που επηρεάζουν την ποιότητα των συστημάτων συστάσεων σε κινητά περιβάλλοντα έχουν αναλυθεί εκτενώς από τον συγγραφέα και παρουσιάζονται νέες κατευθύνσεις προς την ανάπτυξη αυτών. Για το σκοπό αυτό, ο συγγραφέας βοηθά στην ανάπτυξη συστημάτων συστάσεων σε κινητά περιβάλλοντα αναλύοντας τους παράγοντες που επηρεάζουν τις συστάσεις σε κινητά σενάρια και στη συνέχεια κάνει τέσσερις συνεισφορές: Στην πρώτη συνεισφορά, η έννοια του στατικού συνεργατικού φιλτραρίσματος πολλαπλών επιπέδων παρουσιάζεται. Στη δεύτερη συνεισφορά προτείνεται ένα δυναμικό φιλτράρισμα πολλαπλών επιπέδων συνεργασίας. Στην τρίτη συνεισφορά προτείνεται μια μέθοδος για συστάσεις συνεργατικού φιλτραρίσματος που προστατεύει τα δεδομένα του χρήστη, ενώ στην τέταρτη συμβολή παρουσιάζεται μια μέθοδος για τη διαφύλαξη της προστασίας της ιδιωτικής ζωής όταν χρησιμοποιούνται μεταβλητές που είναι σχετικές με την τοποθεσία και τον περιβάλλοντα χώρο. 4 Οι συνεισφορές έχουν δοκιμαστεί εκτενώς εκτελώντας πειράματα με πραγματικά σύνολα δεδομένων από διαφορετικούς τομείς συστάσεων, ευρέως χρησιμοποιούμενες μετρήσεις αξιολόγησης και συγκρίσεις με εναλλακτικές μεθόδους. Τα αποτελέσματα των πειραμάτων υποστηρίζουν την εγκυρότητα των συμβολών και παρέχουν χρήσιμες γνώσεις σχετικά με τη συμπεριφορά τους, υποστηρίζοντας παράλληλα την πρακτική εφαρμογή τους.