[论文解读] The Partial Evaluation Approach to Information Personalization

Naren Ramakrishnan, Saverio Perugini|ArXiv.org|Aug 7, 2001

Web Data Mining and Analysis参考文献 56被引用 10

一句话总结

本文提出 PIPE（Personalization is Partial Evaluation），一种系统化的建模方法，将信息个性化建模为通过偏置求值实现的程序特化。通过将用户信息检索活动表示为部分程序，PIPE 实现了个性化系统行为的自动生成，并引入了一种基于‘亲和度’（personability）的新评估标准，用于衡量系统对不完整或动态变化的用户查询的支持程度。

ABSTRACT

Information personalization refers to the automatic adjustment of information content, structure, and presentation tailored to an individual user. By reducing information overload and customizing information access, personalization systems have emerged as an important segment of the Internet economy. This paper presents a systematic modeling methodology - PIPE (`Personalization is Partial Evaluation') - for personalization. Personalization systems are designed and implemented in PIPE by modeling an information-seeking interaction in a programmatic representation. The representation supports the description of information-seeking activities as partial information and their subsequent realization by partial evaluation, a technique for specializing programs. We describe the modeling methodology at a conceptual level and outline representational choices. We present two application case studies that use PIPE for personalizing web sites and describe how PIPE suggests a novel evaluation criterion for information system designs. Finally, we mention several fundamental implications of adopting the PIPE model for personalization and when it is (and is not) applicable.

研究动机与目标

• 为解决当前信息个性化缺乏严谨建模方法的问题，该问题目前因解释多样且无标准而困扰。
• 利用编程语言中的偏置求值技术，将个性化形式化为一种特化过程。
• 提供一个概念性框架，以实现个性化信息系统的系统化设计与评估。
• 引入一种新的评估标准——‘亲和度’，基于系统对不完整或部分用户交互的支持程度。
• 探索 PIPE 模型在不同信息系统设计与交互模式中的适用性与局限性。

提出的方法

• 将信息检索交互建模为部分程序，将用户输入视为待特化的部分信息。
• 使用偏置求值——一种程序特化技术——从抽象的交互规范中自动生成具体、个性化的系统行为。
• 采用结构化、程序化的模型表示信息空间，将交互序列中的结构化（中间）信息与终端（最终）信息分离开来。
• 将 PIPE 方法应用于现实世界中的网络个性化案例研究，如国会议员的个性化导航与科学软件仓库的个性化访问。
• 基于‘亲和度’评估系统设计，其定义为在偏置求值框架下可建模与特化的用户交互序列所占比例。
• 使用程序变换技术分析用户交互的结构与终止条件，支持对系统行为的正式分析。

实验结果

研究问题

• RQ1 如何利用形式化的程序特化技术，系统化地建模信息个性化？
• RQ2 信息系统设计的分解方式与其支持个性化、增量式用户交互的能力之间存在何种关系？
• RQ3 PIPE 方法在多大程度上实现了对个性化系统设计的新型、形式化评估？
• RQ4 PIPE 模型在何种情况下无法支持个性化？其结构上的根本原因是什么？
• RQ5 如何在偏置求值框架内建模上下文与不断演化的用户意图，以支持更复杂的个性化？

主要发现

• PIPE 方法通过将用户交互视为可经由偏置求值进行特化的部分程序，为个性化提供了形式化、系统化的建模方法。
• 亲和度指标——即在偏置求值框架下可建模与特化的用户交互序列所占比例——为评估个性化系统设计提供了一种新颖的定量标准。
• 在国会议员导航案例研究中，某一系统设计的亲和度得分为 25/32，表明其对不完整或非顺序用户输入具有较强支持能力。
• 另一种分解程度更高的设计（过度分解）仅获得 6/32 的亲和度，表明过度分解会因违反偏置求值模型而降低亲和度。
• 过度分解与分解不足均会导致系统失去亲和度，提示在系统设计中应寻求有效个性化的中间平衡点。
• 研究表明，基于生成器的网络系统在偏置求值模型下可能无法直接实现个性化，尤其当用户输入不完整或非顺序时。