haku: @keyword location awareness / yhteensä: 2
viite: 2 / 2
« edellinen | seuraava »
| Tekijä: | Luusua, Vesa |
| Työn nimi: | Designing a content filtering mechanism for a mobile push messaging service |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2010 |
| Sivut: | (7) + 62 Kieli: eng |
| Koulu/Laitos/Osasto: | Informaatio- ja luonnontieteiden tiedekunta |
| Oppiaine: | Vuorovaikutteinen digitaalinen media (T-111) |
| Valvoja: | Takala, Tapio |
| Ohjaaja: | Kurvinen, Esko |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark Aalto | Arkisto |
| Avainsanat: | recommender system filtering location awareness news social media social network suosittelujärjestelmä suodattaminen paikkatietoisuus uutiset sosiaalinen media sosiaalinen verkko |
| Tiivistelmä (fin): | Mobiililaitteiden viimeaikaisen kehityksen myötä uutisten ja sosiaalisen median kulutus on saanut uusia muotoja. Ihmiset ovat yhä tiiviimmin yhteydessä niihin palveluihin, joista pitävät. Tämä on luonut uuden tyyppisiä ubiikkeja palveluita kuten Foursquare ja Brightkite. Ne tarjoavat lokaatiopohjaisia palveluita, jotka antavat käyttäjille mahdollisuuden olla vuorovaikutuksessa ympäristönsä kanssa. Sen sijaan uutispalveluiden, jotka todella ottavat huomioon mobiililaitteiden ubiikin luonteen, täytyy tarjota käyttäjilleen personoitua sisältöä. Tässä diplomityössä käydään läpi erilaisia suosittelumekanismeja, jotka voivat auttaa olennaisen informaation suodattamisessa mobiilissa ympäristössä. Nykyiset mobiiliympäristössä toimivat suosittelumekanismit ovat rajoittuneet lokaatiopohjaisiin palveluihin ja asioihin, joihin on liitetty koordinaattitietoa. Sen sijaan tämän työn kohteena on uutisista hälyttävät palvelut, jotka käyttävät puhelimen viestitystä. Tällaisia palveluita on olemassa, mutta ne eivät tarjoa personoitua sisältöä. Suosittelumekanismin rakentamiseen on kaksi laajasti käytettyä lähestymistapaa.: sisältöpohjainen ja kollaboratiivinen suodatus. Lisäksi työssä tutkitaan mahdollisuutta käyttää suodatukseen sosiaalisia verkostoja sekä kontekstipohjaista toteutusta. Menetelmä, jota ehdotetaan tutkimuksen lopuksi, on yhdistelmä eri vaihtoehdoista. Pääosin se nojaa sosiaalisen verkoston käyttämiseen suodatuksessa, mutta huomioi käyttäjän käyttökontekstin. Sisältöpohjaisten tekniikoiden käyttöä käydään myös läpi, sillä tekstisisällön analysoimista voidaan käyttää lokaatiotiedon etsimiseen. Ehdotettu ratkaisu on algoritmi, joka painottaa sisältöjä kolmen komponentin avulla: sosiaalisen objektin (kuten status viestin) läheisyys, objektin aiheuttama huomio käyttäjän sosiaalisessa verkossa ja objektin tuoreus vaikuttavat arvosteluun. |
| Tiivistelmä (eng): | Because of the recent development in mobile devices new emergent patterns have been spotted in the consumption of news and social media. People are connected to their favourite services almost all the time and this has introduced a new breed of ubiquitous services such as Foursquare and Brightkite. They are location aware services that allow people to interact with their surroundings. However, news services that truly adapt the ubiquitous nature of mobile devices need to offer personalized content. This thesis takes a closer look to the recommender systems that can help to filter out relevant information in mobile context. The current range of filtering mechanisms that work in mobile environment is limited to location aware services and items that have coordinates attached to them. However, in this study, the target service is a news alert service that uses mobile push messaging. There are existing services in this area, but they do not offer personalized content. There are two widely used approaches to build a recommendation engine: content-based filtering and collaborative filtering. In addition, this study reviews also the possibility to use social networks for filtering purposes as well as possibility to use context-based filtering. As a result, this study proposes an approach, which is a hybrid filtering mechanism. It is mainly based on social network filtering, but takes into an account user's contextual information. The possibility to use content-based techniques is also considered - text content analysis can be used for searching location information. The proposed solution is a rating algorithm that contains three components: the proximity or closeness of social object (e.g. status update) in question, the overall buzz it has created in user's social network and time decay factor. |
| ED: | 2010-08-27 |
INSSI tietueen numero: 40310
+ lisää koriin
« edellinen | seuraava »
INSSI