Social awareness and user modeling to improve objects intelligence

La mayoría de aplicaciones que busca tomar en cuenta el contexto para llevar a cabo un modelado, no toma en consideración el aspecto social de los individuos.

Definen a los contextos sociales como si fuesen similares a los grupos sociales, identificados por un grupo de personas en un lugar dado, enlazados por relaciones que determinan su naturaleza y se caracterizan por rasgos específicos como sexo, edad o preferencias.

Las principales características de los agentes socialmente inteligentes que crearon son:

• Detección de usuarios y las conexiones entre ellos.
• Acceso a los datos del usuario.
• Inferencia del contexto social de acuerdo a las estructuras de las redes de los usuarios, sus preferencias y rasgos.
• Inferencia de objetivos sociales de acuerdo al contexto social y al modelo de usuario.
• Coordinar su comportamiento.
• Producir una salida enfocada al contexto.

Proponen que los contextos sociales pueden ser derivados de la estructura de las redes sociales. Las redes sociales se encuentran representadas por grafos dirigidos en los que cada nodo es un usuario y los arcos son sus conexiones sociales.

El modelo de ontologías creado para el sistema se divide en:

• Ontología de objetos – Representa los objetos, sus propiedades y relaciones. Los objetos auto-conscientes (self-aware) son capaces de evaluar su naturaleza y tomar decisiones de acuerdo a sus propiedades o pertenencia a una clase definida por la ontología.
• Ontología de contexto social – Representa todos los elementos de las redes que deben ser tomados en cuenta para describir un contexto social.
• Ontología de objetivos sociales – Contiene dos clases: objetivos individuales y objetivos de grupo.

Para el modelo de usuario emplearon GUMO (General User Model Ontology) junto con FOAF (Friend Of A Friend). GUMO contiene las bases y conceptos generales para representar los rasgos principales de los usuarios en entornos ubicuos.

El modelo de grupo también se hace dentro de una ontología e incluye datos como: edad promedio, género mayoritario, distribución y variación, presencia de niños, presencia de un líder de opinión y preferencias y aversiones del grupo.

Se emplea network-driven reasoning para llevar a cabo la clasificación de los grupos. Por otra parte, para la clasificación de objetivos sociales se hace uso de una serie de heurísticas propuestas por los autores.

Biamino, G., & Cena, F. (2011). Social Awareness and User Modeling to Improve Objects Intelligence. 2011 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology (pp. 118–121). Ieee. doi:10.1109/WI-IAT.2011.260