[論文レビュー] The Lumiere Project: Bayesian User Modeling for Inferring the Goals and Needs of Software Users

Eric Horvitz, Jack Breese+3 more|arXiv (Cornell University)|Jan 30, 2013

Data Management and Algorithms参考文献 17被引用数 659

ひとこと要約

Lumiereプロジェクトは、ユーザーの行動、クエリ、文脈的情報を分析することで、ソフトウェアユーザーの目的とニーズを推論するベイジアンユーザーモデリングフレームワークを導入した。イベントストリームと恒久的なユーザープロファイルにおける確率的推論を用いることで、知能的な支援を可能にし、Microsoft Office '97のOfficeアシスタント機能の基盤を形成した。

ABSTRACT

The Lumiere Project centers on harnessing probability and utility to provide assistance to computer software users. We review work on Bayesian user models that can be employed to infer a users needs by considering a user's background, actions, and queries. Several problems were tackled in Lumiere research, including (1) the construction of Bayesian models for reasoning about the time-varying goals of computer users from their observed actions and queries, (2) gaining access to a stream of events from software applications, (3) developing a language for transforming system events into observational variables represented in Bayesian user models, (4) developing persistent profiles to capture changes in a user expertise, and (5) the development of an overall architecture for an intelligent user interface. Lumiere prototypes served as the basis for the Office Assistant in the Microsoft Office '97 suite of productivity applications.

研究の動機と目的

• ソフトウェアアプリケーションにおける観察された行動から、ユーザーの進化する目的とニーズを確率的フレームワークで推論すること。
• ソフトウェアインタラクションからのイベントストリームを用いたベイジアン推論により、時間的に変化するユーザーの目的をモデル化すること。
• ユーザーの熟練度と好みの変化を時間経過とともに捉える恒久的なユーザープロファイルを構築すること。
• 知能ユーザインターフェースへのユーザーモデリングの統合を可能にする拡張性のあるアーキテクチャを設計すること。
• リアルタイムでのユーザー意図の推論を通じて、能動的で文脈に即した支援を生産性ソフトウェアで実現すること。

提案手法

• ユーザーの目的、行動、文脈的変数の同時確率分布を表すためにベイジアンネットワークを構築する。
• ドメイン固有の言語を用いて、低レベルのシステムイベント（例：メニュー選択、コマンド入力）を観察変数に変換する。
• 動的ベイジアンネットワークを用いて、目的の遷移をモデル化し、時間経過に伴うユーザー意図に関する信念を更新する。
• 期待される利得に基づいて支援行動の優先順位を決定するため、効用理論を統合する。
• タスク実行のパフォーマンス、行動頻度、クエリパターンの変化に応じて適応する恒久的なユーザープロファイルを維持する。
• イベント収集、ユーザーモデル推論、行動選択のモジュラーなアーキテクチャを採用し、拡張性を確保する。

実験結果

リサーチクエスチョン

• RQ1 リアルタイムで観察された行動とクエリから、ベイジアンユーザーモデルがユーザーの現在および進化する目的をどのように推論できるか？
• RQ2 低レベルのソフトウェアイベントを、ユーザーモデリングに有用な観察に変換する効果的な方法は何か？
• RQ3 ユーザーの熟練度とタスク習得度を時間経過とともに動的にモデル化し、更新するにはどうすればよいか？
• RQ4 確率的ユーザーモデリングを実世界のユーザインターフェースに統合するためのアーキテクチャ的原則は何か？
• RQ5 効用に基づく推論は、適切で関連性の高い支援行動の選択をどのように導くか？

主な発見

• ベイジアンユーザーモデルは、観察された行動、クエリ、文脈的情報を統合することで、高い正確性でユーザーの目的を推論できた。
• システムは、恒久的なユーザープロファイルがユーザーの熟練度の変化に適応できることを示し、長期的な支援の関連性が向上した。
• 効用理論の統合により、期待される価値に基づいて支援行動の優先順位を決定でき、ユーザーの干渉を低減できた。
• Lumiereのプロトタイプは、Microsoft Office '97のOfficeアシスタントの技術的基盤を形成し、実環境での有効性を検証した。
• イベントから観察への変換言語により、多様なソフトウェアインタラクションパターンのスケーラブルで保守可能なモデリングが可能になった。