[논문 리뷰] Building a Stochastic Dynamic Model of Application Use

Peter Gorniak, David Poole|arXiv (Cornell University)|2013. 01. 16.

Web Data Mining and Analysis참고 문헌 12인용 수 13

한 줄 요약

이 논문은 수정되지 않은 소프트웨어에서 사용자 상호작용을 관찰함으로써 응용 프로그램 사용의 확률적 동적 모델을 자동으로 구성하는 방법을 제시한다. 상호작용 이력을 분석하여 하위 상태를 가설화하고, 정보 이득을 사용하여 상태 공간을 정밀화함으로써, 최소한의 수동 작업으로도 확장성 있고 데이터 기반의 사용자 행동 모델링을 가능하게 한다.

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.

연구 동기 및 목표

• 지능형 사용자 인터페이스에서 응용 프로그램 및 사용자 모델을 구축하고 유지하는 데 필요한 수동 작업을 줄이기 위해.
• 수정되지 않은 응용 프로그램과의 관찰된 사용자 상호작용에서 근본적인 상태 공간을 자동으로 추론하기 위해.
• 각 상태로 이르는 역학적 시퀀스의 역사를 바탕으로 하위 상태를 가설화하여 상태 공간을 정밀화하기 위해.
• 정보 이득을 통해 다양한 이력 길이가 모델 정확도 향상에 미치는 영향을 평가하기 위해.
• 응용 프로그램 소스 코드가 필요 없이도 확장성 있고 데이터 기반의 확률적 동적 모델링을 수행하기 위해.

제안 방법

• 수정되지 않은 응용 프로그램에서의 사용자 상호작용을 관찰하여 원시 상호작용 시퀀스를 수집한다.
• 관찰된 인터페이스 상태와 그 간의 전이를 기반으로 근본적인 상태 공간을 구성한다.
• 근본 상태 공간 내 각 상태에 도달하는 데 이르는 행동 이력에 기반하여 하위 상태를 가설화한다.
• 정보 이득을 사용하여 잠재적 상태 분할의 유용성을 평가하고 가장 정보가 많은 정밀화를 결정한다.
• 상호작용 이력의 길이를 다양하게 조절하여 모델 복잡성과 예측 정확도 사이의 균형을 최적화한다.
• 확률적 모델링을 사용하여 정밀화된 상태 간의 사용자 행동의 확률적 동역학을 표현한다.

실험 결과

연구 질문

• RQ1 수정되지 않은 응용 프로그램의 사용자 상호작용 로그를 사용하여 응용 프로그램 사용의 확률적 동적 모델을 자동으로 구성할 수 있는가?
• RQ2 상호작용 이력 길이가 정보 이득 측면에서 상태 공간 정밀화의 품질에 어떤 영향을 미치는가?
• RQ3 하위 상태를 가설화하는 것이 결과 동적 모델의 정확도와 표현력에 어떤 영향을 미치는가?
• RQ4 정보 이득이 데이터 기반 방식으로 최적의 상태 분할을 자동으로 선택하는 데 효과적으로 기여할 수 있는가?
• RQ5 이 방법은 예측 성능를 유지하면서 수동 모델링 작업을 얼마나 줄일 수 있는가?

주요 결과

• 이 방법은 응용 프로그램 소스 코드에 접근하지 않고도 원시 사용자 상호작용 로그에서 확률적 동적 모델을 성공적으로 구성한다.
• 정보 이득 분석을 통해 최적의 상태 분할을 식별하여, 행동 패턴에 기반한 의미 있는 하위 상태를 포착함으로써 모델의 정밀도를 향상시킨다.
• 다양한 길이의 이력 시퀀스를 기반으로 상태 공간을 점진적으로 정밀화함으로써 이 방법은 효과적으로 확장 가능하다.
• 실세계 사용 데이터에 대한 평가를 통해, 최소한의 수동 간섭으로도 사용자 행동의 주요 동역학을 모델이 잘 포착하는 것으로 나타났다.
• 결과로 도출된 모델은 사용자 행동의 정확한 예측을 가능하게 하며, 지능형 사용자 인터페이스 적응을 지원한다.
• 이 기법은 응용 프로그램 및 사용자 모델을 구축하는 수작업이 많은 과정을 줄여주며, 실세계 구현에 실용적인 대안을 제공한다.