no way to compare when less than two revisions

Differences

This shows you the differences between two versions of the page.

@@ Line 1: / Line 1: @@
+====== L. Rocha ======
+**[[http://sigarra.up.pt/feup/pt/cur_geral.cur_view?pv_curso_id=742|Master in Informatics and Computing Engineering]]\\
+Inferência Situacional em Sistemas Baseados em Informação de Contexto\\
+Luís Miguel Marques Pereira Rocha**
+\\
+---
+\\
+===== Abstract =====
+Since the early 90’s, many entities started to collect data about their users in order to
+extract new information that might be usefull to improve their business and client relationship.
+The goal is to provide products and services that take into account the context
+and preferences of its users at a given moment. Tecnology is evolving in such a way that
+in a near future anyone may be permanently connected to the information networks. The
+recent mobile device and wireless networks expansion provided many new possibilites to
+gather and distribute this kind of data, making it possible to collect a massive number of
+context data in much less time.
+PT inovação wants to explore this concept, creating a business model based in Context-asa-
+Service (CXaaS). In order to do this there is a framework currently under development
+that allows to specify a collection of libraries to assist the comunication between diferent
+applications in a context-based system. However, most of the retrived data is not significant
+enough for the purpose of creating context-oriented services.
+The main goal of this work included the development of another kind of provider, in which
+the system could centralize most of the data processing in order to deduce new high-level
+information from the low-level information that is being collected. In order to accomplish
+this goal, a studywas done in the area of existent context management systems and
+different approaches for context representation and inference were analysed. Also, the
+most common geografic clustering algorithms and location classification methods were
+studied.
+The developed component was mostly implemented using available Java technologies and
+is composed by 4 modules: a central component, a machine learning framework, a rule
+engine based in Jess and an ORM (Object-Relational Mapping) interface with a MySQL
+relational database. The system makes it possible to integrate any kind of context information
+that may be specified in an easy and quick way and also uses a set of defined rules
+to produce high-level information from the low-level collected data.
+This system was tested for gathering GNSS (Global Navigation Satellite Systems) information
+from an Android application and process that data afterwards in order to find
+which are the most significant locations in the user daily routine. These locations are later
+classified according to a specified set of categories, as well as in terms of the importance
+that these places may have to each person.
+The evaluation done to the system shows that it is possible to implement an incremental
+clustering approach over the gathered data in order to efficiently identify the most
+relevant locations in the daily routine of the users. This apprach also grants a system response
+under a very acceptable time. The classification methods based on Google Places
+API queries, however, did not show reliable results for the proposed goals.
+===== Resumo =====
+Desde o início da década de 90 que diversas entidades começaram a recolher de informação
+sobre os utilizadores para posteriormente extrair informação relevante que lhes
+permita melhorar o seu negócio e a sua relação com os seus utilizadores. Começou a ser,
+assim, possível fornecer produtos e serviços que têm em conta o contexto e preferências
+dos seus utilizadores a cada momento. As tecnologias estão a evoluir cada vez mais no
+sentido de, num futuro próximo, qualquer pessoa estar quase permanentemente ligada às
+redes de informação. A recente expansão dos dispositivos móveis e redes sem fios veio
+potenciar esta realidade, sendo hoje muito mais fácil recolher uma enorme quantidade de
+dados sobre o contexto de cada pessoa.
+A PT Inovação pretende explorar estes conceitos e desenvolver um modelo de negócios
+baseado em context-as-a-service (CXaaS). Para este efeito, já se encontra a desenvolver
+uma plataforma que permite definir bibliotecas que facilitam a comunicação entre diversas
+aplicações de um sistema, nomeadamente o envio da diversa informação que é recolhida
+sobre os seus utilizadores. No entanto, a informação que chega da maioria destas aplicações
+não é suficientemente significativa para prestar serviços dirigidos ao contexto em
+que cada pessoa se encontra.
+O objectivo do trabalho aqui descrito passou por desenvolver um novo tipo de componente
+no qual se pudesse centrar o processamento da informação de mais baixo nível que
+é actualmente recolhida, de forma a inferir nova informação de mais alto nível. Foram estudados
+alguns sistemas de gestão de contexto existentes e os tipos de abordagem usados
+na representação e inferência sobre a informação do sistema. Foram também estudadas
+as principais abordagens de agregação de posições geográficas e métodos de classificação
+de locais.
+O componente desenvolvido foi implementado recorrendo a diversas tecnologias baseadas
+em Java e é constituídos por 4 módulos: um componente central, um módulo de
+aprendizagem computacional, um motor de regras baseado em Jess e uma interface ORM
+(Object-Relational Mapping) com uma base de dados relacional MySQL. O sistema possibilita
+ainda uma fácil integração de qualquer tipo de informação de contexto, tanto sobre
+os tipos actualmente definidos como qualquer outro que possa vir a ser definido no futuro.
+Possibilita também a inferência de informação de mais alto nível através de um conjunto
+de regras que podem ser definidas à medida das soluções pretendidas.
+Durante o período em que decorreu este trabalho, o sistema desenvolvido foi testado de
+forma a recolher posições GNSS (Global Navigation Satellite Systems) obtidas a partir de
+uma aplicação desenvolvida para dispositivos com plataforma Android e posteriormente
+processar esses dados de forma a determinar quais o locais mais frequentes no dia-a-dia
+de cada utilizador. Estes locais são classificados segundo um conjunto de categorias prédefinidas
+assim como em termos da importância relativa para o utilizador.
+As avaliações efectuadas sobre o sistema mostram que uma abordagem de agregação incremental
+sobre os dados permite ao sistema ir identificando eficientemente os diversos
+locais à medida que novos dados vão sendo recolhidos. Esta abordagem garante também
+um bom tempo de resposta por parte do novo componente desenvolvido. Os métodos de
+classificação baseados na API do Google Places, no entanto, demonstram não ser minimamente
+fiáveis para os objectivos propostos.
+===== Jury =====
+  * Chair: Luís Filipe Pinto de Almeida Teixeira
+  * External Examiner: Maria Benedita Campos Neves Malheiro
+  * Supervisor: João Correia Lopes
+  * Date: 13/7/2011