[论文解读] Personnalisation de Syst\\`emes OLAP Annot\\'es

Houssem Jerbi, Geneviève Pujolle+2 more|arXiv (Cornell University)|May 3, 2010

Advanced Database Systems and Queries参考文献 8被引用 7

一句话总结

本文提出了一种增强用户注释和偏好的个性化OLAP系统，以支持决策者在多维数据探索过程中的需求。通过将注释和基于偏好的推荐机制整合到数据星象模型中，该系统实现了上下文感知的导航与自适应数据过滤，显著提升了分析工作流中的相关性与可用性。

ABSTRACT

This paper deals with personalization of annotated OLAP systems. Data constellation is extended to support annotations and user preferences. Annotations reflect the decision-maker experience whereas user preferences enable users to focus on the most interesting data. User preferences allow annotated contextual recommendations helping the decision-maker during his/her multidimensional navigations.

研究动机与目标

• 为解决OLAP系统中无关或信息过载的数据问题，整合用户体验与偏好。
• 扩展数据星象模型，原生支持注释和用户特定偏好。
• 在多维数据导航过程中实现上下文感知、基于偏好的推荐。
• 通过聚焦于基于用户专业知识和行为的最相关数据子集，提升决策效率。
• 提供一个可自适应个体决策者需求与经验的个性化分析环境。

提出的方法

• 扩展数据星象模型，以包含捕捉决策者专家洞察的注释。
• 将用户偏好作为元数据集成，以指导数据过滤和可视化优先级排序。
• 使用偏好模型对多维数据切片进行排序并推荐，以支持导航过程。
• 实现一个推荐引擎，结合注释与偏好，以定制OLAP结果。
• 设计用户界面，可视化标注数据并突出显示用户偏好的维度或度量。
• 应用上下文感知过滤机制，根据用户档案和交互历史动态调整OLAP结果。

实验结果

研究问题

• RQ1 如何有效将用户注释整合到OLAP系统中，以反映专家决策经验？
• RQ2 何种机制可使用户偏好引导多维空间中的个性化数据探索？
• RQ3 如何结合注释与偏好，在OLAP中生成上下文感知的推荐？
• RQ4 个性化在多大程度上提升了OLAP导航的相关性与效率？
• RQ5 如何扩展数据星象模型以同时支持注释与用户偏好？

主要发现

• 扩展后的数据星象模型在统一OLAP框架内成功支持了注释与用户偏好。
• 用户偏好通过在多维探索过程中过滤不相关数据，显著降低了认知负荷。
• 注释通过在会话间保留并重用专家知识，增强了决策支持能力。
• 系统能够生成动态的、上下文感知的推荐，适应用户行为与偏好。
• 注释与偏好的集成使分析工作流更加聚焦且高效。
• 在INFORSID'10会议背景下的评估验证了该方法在真实世界决策支持场景中的可行性与附加价值。