[論文レビュー] Building a Stochastic Dynamic Model of Application Use

Peter Gorniak, David Poole|arXiv (Cornell University)|Jan 16, 2013

Web Data Mining and Analysis参考文献 12被引用数 13

ひとこと要約

本稿では、改変のないソフトウェアにおけるユーザーの操作を観察することで、応用の使用に関する確率的動的モデルを自動的に構築する手法を提示する。操作履歴を分析することで、部分状態を仮説し、情報利得を用いて状態空間を精緻化することで、最小限の手作業でスケーラブルでデータ駆動型のユーザー行動モデルを構築できる。

ABSTRACT

Many intelligent user interfaces employ application and user models to determine the user's preferences, goals and likely future actions. Such models require application analysis, adaptation and expansion. Building and maintaining such models adds a substantial amount of time and labour to the application development cycle. We present a system that observes the interface of an unmodified application and records users' interactions with the application. From a history of such observations we build a coarse state space of observed interface states and actions between them. To refine the space, we hypothesize sub-states based upon the histories that led users to a given state. We evaluate the information gain of possible state splits, varying the length of the histories considered in such splits. In this way, we automatically produce a stochastic dynamic model of the application and of how it is used. To evaluate our approach, we present models derived from real-world application usage data.

研究の動機と目的

• 知能型ユーザーインターフェースにおけるアプリケーションおよびユーザーのモデリングを構築・維持するために必要な手作業を削減すること。
• 改変のないアプリケーションに対する観察されたユーザー操作から、粗い状態空間を自動的に推定すること。
• 各状態に至る歴史的シーケンスに基づいて、部分状態を仮説することにより、状態空間を精緻化すること。
• 情報利得を用いて、異なる履歴長がモデルの正確性を向上させる程度を評価すること。
• アプリケーションのソースコードにアクセスせずに、スケーラブルでデータ駆動型の応用使用の確率的動的モデルを生成すること。

提案手法

• 改変のないアプリケーションに対するユーザー操作を観察し、原始的な操作シーケンスを収集する。
• 観察されたインターフェース状態とそれらの間の遷移から、粗い状態空間を構築する。
• 粗い状態空間内の各状態に至るアクションの履歴に基づいて、部分状態を仮説する。
• 情報利得を用いて、潜在的な状態分割を評価し、最も情報量の多い精緻化を特定する。
• 考慮する操作履歴の長さを変化させることで、モデルの複雑さと予測精度のトレードオフを最適化する。
• 確率的モデリングを用いて、精緻化された状態間でのユーザー行動の確率的ダイナミクスを表現する。

実験結果

リサーチクエスチョン

• RQ1 改変のないアプリケーションからのユーザー操作ログを用いて、応用使用に関する確率的動的モデルを自動的に構築できるか？
• RQ2 履歴長が情報利得の観点から状態空間の精緻化の質に与える影響は何か？
• RQ3 部分状態の仮説が、得られる動的モデルの正確性および表現力に与える影響は何か？
• RQ4 情報利得が、データ駆動的に最適な状態分割の自動選択を効果的に導けるか？
• RQ5 このアプローチは、予測性能を維持しつつ、どの程度手作業モデリング作業を削減できるか？

主な発見

• 本手法は、アプリケーションのソースコードにアクセスせずに、原始的なユーザー操作ログから確率的動的モデルを成功裏に構築できた。
• 情報利得分析により最適な状態分割が特定され、行動パターンに基づく意味のある部分状態を捉えることで、モデルの忠実性が向上した。
• 異なる長さの歴史的シーケンスに基づいて状態空間を段階的に精緻化することで、本手法は効果的にスケーリング可能である。
• 実世界の使用データを用いた評価により、最小限の手作業でユーザー行動の主要なダイナミクスをモデルが捉えられることを示した。
• 得られたモデルは、ユーザーの行動を正確に予測でき、知能型ユーザーインターフェースの適応に役立つ。
• 本手法は、アプリケーションおよびユーザーのモデリングにかかる手作業のプロセスを大幅に削減し、実世界への展開に実用的な代替手段を提供する。