پرتال هوشمند با خصوصي سازي مبتني بر سيستم خبره
چكيده:
پرتالها امروزه يكي از كليدي ترين روش هاي دسترسي كاربران به اطلاعات و خدمات مورد نظر آنها در سازمانها مي باشند. امكان دسترسي به اطلاعات گسترده پس از احراز هويت كاربر، تعيين حقوق دسترسي، تبادل اطلاعات، گردش اطلاعات و جريانهاي كاري و خصوصي سازي از لحاظ ظاهر نظير نوع و اندازه فونت و از لحاظ محتوا نظير نوع اطلاعات و خدمات از جمله ويژگيها و امكانات بارز يك پرتال محسوب مي شود. ليكن آيا به راستي پرتالها در ارائه خدمات مورد نظر كاربران به آنها هوشمند عمل مي كنند و يا زحمت دسته بندي اطلاعات و فيلترينگ اطلاعات غير مفيد به دوش كاربران است؟ متاسفانه پاسخ اين سوال عدم هوشمندي پرتالها در ارائه اطلاعات و خدمات است.
چه بسا نوجواناني كه با ورود به پرتالها با اخبار بورس و كنهسالاني كه با ورود به سيستم با متون ريز و حجيم مواجه شده اند. در حاليكه پرتال مي توانست شيوه مناسب تري را در ارائه اطلاعات چه از لحاظ ظاهر و په از لحاظ محتوا انتخاب كند. در اين مقاله ابتدا يك نمونه معماري پرتال معرفي شده و سپس يك معماري توسعه يافته با كمك يك روش هوشمند مبتني بر سيستم خبره براي خصوصي سازي اطلاعات و خدمات پرتالها ارائه گرديده است. اين سيستم خبره با كمك اطلاعات دريافتي از ساير پرتالهاي هوشمند و همچنين استنتاج مبتني بر قواعد داخلي پرتال كار خصوصي سازي پرتال را هوشمند و مكانيزه مي نمايد.
مقدمه:
امروزه با رشد سريع دسترسي به اينترنت و حجم فزاينده اطلاعات موجود درآن، كاربران را با انبوهي از اطلاعات روبرو كرده است. در اين ميان موتور هاي جستجو ابزار مناسبي براي يافتن اطلاعات مورد نياز كاربران در ميان ميليونها صفحه وب هستند اما اين ابزار ها هيچ نوع پروفايلي از كاربران ذخيره نمي كنند و لذا كمتر پردازش خاصي بر روي نتايج خود انجام مي دهند و در نتيجه صرفا كمك كار كاربران در يافتن صفحات وب مورد نظر هستند. ليكن پرتالها نقش كامل تري نسبت به موتور هاي جستجو ايفا مي كنند . پرتالها در واقع نقش ارائه اطلاعات و خدمات مورد نياز كاربران فارغ از اينكه اين اطلاعات و خدمات در كجا موجود است به عهده دارند.
علي رغم تعريف يكساني كه مي توان براي پرتالها ارائه نمود، دامنه كاربرد پرتالها با يكديگر كاملا متفاوت است. اطلاعات و MSN و Yahoo مثلا پرتالهاي عمومي نظير خدمات عمومي نظير جستجو، پست الكترونيك و چت، آب و هوا، تورهاي مسافرتي و ... را ارائه مي كند در حاليكه پرتالهاي خبري دسترسي كاربران به اخبار گوناگون و متنوع را فراهم مي كنند. پرتالهاي سازماني نيز درگاهي جهت دريافت اطلاعات و خدمات سازماني توسط كاربران هستند. و در نتيجه يك كاربر هيچ گاه نمي تواند به ثبت نام در يك پرتال اكتفا كند!. در واقع با ظهور پرتالهاي جديد با امكانات و خدمات نو و خلاقانه، كاربران به ثبت نام در پرتالهاي نوظهور رو مي آورند. در حاليكه چاره اي جز رها كردن تمام خصوصي سازي ها، تنظيمات و علائق خود در پرتال قبلي ندارند.
مشكل ديگر كاربران در شروع كار با پرتال اين است كه پرتالها معمولا انبوهي از اطلاعات و خدمات را بدون هيچ گونه فيلتري در مقابل كاربر قرار مي دهند و كاربر نه تنها بايد زمان زيادي را صرف تنظيم محتوا نمايد بلكه ممكن است در يافتن اطلاعات و خدمات مورد نظر خويش نيز دچار سردرگمي گردد. لذا در اين مقاله سعي شده است يك مكانيزم هوشمند براي خصوصي سازي پرتالها با كمك تكنيكهاي خبرگي و سرويس هاي وب ارائه گردد.
خصوصی سازی هوشمند:
براي آنكه پرتال بتواند به صورت هوشمند خصوصي سازي را در سطح اطلاعات و خدمات انجام دهد مي بايست اطلاعات لازم را درباره علايق كاربر بدست آورد. در اين مقاله پنج روش كلي براي اين امر بيان مي گردد كه يك پرتال هوشمند مي تواند هر پنج روش را به خدمت گيرد.
روش اول همکاری با سایر پرتال ها
در اين روش كاربر، نام كاربري و آدرس ساير پرتالهاي مورد استفاده خود را ارائه مي كند و سيستم با فراخواني Web Service ساير پرتالها از ليست علاقمنديهاي كاربران مطلع مي شود. البته اين روش تنها براي مجتمع شدن پرتالهاي هوشمند داراي اين قابليت مناسب است. طبيعتا پرتالهاي فراواني اين سرويس را پشتيباني نمي كنند.
روش دوم دريافت علاقمنديها به از كاربر به صورت Manual دستی
در اين روش كاربر با تكميل فرم علاقمنديها، اطلاعات و خدمات مورد نظر خود را انتخاب مي كند. اين روش، يك روش پايه است كه در عموم پرتالها مورد استفاده قرار مي گيرد و لذا در اين مقاله بدان پرداخته نمي شود.
روش سوم كسب اتوماتيك
علاقمنديها بر اساس اطلاعات فردي شخص نظير سن، جنسيت، كشور و ... در اين روش پرتال مي بايست بر اساس بهره مندي از مفاهيم خبرگي، ليست علاقمنديهاي كاربر را حدس بزند. قواعد و قوانين فراواني در اين زمينه قابل استخراج است، كه مي بايست در قسمت Ruleهاي سيستم تعريف شود. استفاده از تجربه و يادگيري ماشين یا Machine Learning نيز امري ضروري به نظر مي رسد.
مثلا مي توان به قواعد زير اشاره كرد:
اگر سن كاربر بيش از ۵۰ است اندازه فونت مورد نظر كاربر بين ۱۴ تا ۱۶ است.
اگر سن كاربر كمتر از ۱۸ است. اخبار اقتصادي مورد علاقه كاربر نيست.
كاربراني كه در كشور هاي مورد تحريم نظير ايران، كوبا، شيلي و ... هستند به خريد اينترنتي كالاهاي گرانتر از ۱۰۰ دلار علاقه اي ندارند.
همچنين مي توان با توجه به كسب تجربه از علائق عموم كاربران و تكنيكهاي Machine Learning نتايجي را نيز استخراج كرد. مثلا:
كاربران معمولا در هنگام عيد نوروز به جستجوي مناطق ديدني و توريستي مي پردازند.
كاربران ايراني عموما از سرويسهاي Yahoo Shop استفاده نمي كنند.
روش چهارم ثبت و ارزیابی رفتارهای کاربر طی مدت زمان معین در پرتال
در این روش می بایست کاربر حداقل برای مدت معینی به عنوان مثال یک هفته در پرتال فعالیت داشته باشد سیستم به طور هوشمند رفتار فرد را بررسی و ذخیره کرده و با استفاده از قوانین موجود در پایگاه دانش با توجه به رفتارهای کاربر در پرتال برای او عملیات خصوصی سازی را انجام می دهید.
البته این روش بسیار مناسب می باشد و تنها مشکل آن مدت زمان ثبت رفتارهای کاربر می باشد.
روش پنجم بررسی اطلاعات کوکی ها و تاریخچه مرورگر با اجازه از کاربر
در این روش قبل از عمل خصوصی سازی از کاربر جهت اجازه استفاده از اطلاعات قدیمی ذخیره شده در مرورگر کاربر سوالی پرسیده می شود و اگر کاربر اجازه استفاده را صادر نماید سیستم به صورت هوشمند اطلاعات لازم را برای شناسایی علاقه مندی های کاربر ذخیره و نتیجه گیری می نماید.
البته این روش نیازمند داشتن اعتماد کامل به پرتال بوده و یا اینکه قبل از اجازه شروع کار به سیستم اطلاعات غیر ضروری مرورگر را حذف نماییم.
سناريوي خصوصي سازي يا Personalization
براي آنكه كاربرد هوشمندي را در پرتال هوشمند به طور شفاف تر مورد بررسي قراردهيم سناريوي خصوصي سازي ظاهر و محتوا را در سيستم پرتال هوشمند مرور مي کنیم. کاربر x را در نظر بگيريد كه قصد عضويت در پرتال هوشمند را دارد. X اطلاعات عمومی خویش را نظير نام، نام خانوادگي، سن، كشور و ... وارد كرده و براي ارائه ليست علاقمنديهاي خود نام كاربري و رمز عبور خود در سيستم پرتال هوشمند قبلي خويش را وارد مي كند.
سيستم در جريان ورود كاربر ليست علاقمنديهاي كاربر را از پرتال قبلي استخراج نموده و مقداردهي اوليه سيستم استنتاج انجام مي شود. نكته قابل توجه اين است كه سيستم علي رغم دسترسي به ليست علاقمنديهاي كاربر براي خصوصي سازي پرتال به استنتاج نياز دارد. زيرا ممكن است موضوع پرتال هوشمند قبلي و امكانات آن با پرتال جديد كاملا متفاوت باشد. مثلا پرتال اوليه كاربر يك پرتال تجاري براي خريد و فروش آنلاين و پرتال جديد كاربر يك پرتال خبري باشد. طبيعي است كه ليست علاقمنديهاي كاربر در سيستم قبلي قابل استفاده در سيستم جديد نمي باشد.
ليكن موتور استنتاج پرتال مي تواند با كمك قواعد موجود در پرتال ليست علاقمنديهاي جديد كاربر را تشكيل دهد. به طور مثال وجود "خريد لوازم ورزشي" در ليست علاقمنديهاي كاربر با كمك قاعده "اگر كاربر به خريد لوازم ورزشي علاقمند است پس احتمالا به اخبار ورزشي نيز علاقمند است " به قاعده زير منتج مي گردد: "کاربر x احتمالا به اخبار ورزشي علاقمند است."
همچنين با كمك روش سوم در دريافت ليست علاقمنديهاي كاربر يعني تحليل علاقمنديهاي كاربر بر اساس اطلاعات ورودي كاربر نظير سن، جنسيت، كشور و .... ليست علاقمنديهاي جديدي بدست مي آيد.
همچنین با ارسال درخواستی جهت استفاده از اطلاعات مرورگر کاربر از او می خواهد در صورت تمایل برای خصوصی سازی پروفایل اجازه دسترسی به مرورگر خود را بدهد که کاربر میتواند قبول و یا رد نماید و در هر زمان که خواهان استفاده از این روش بود میتواند از آن استفاده نماید.
كه اين سه روش در نهايت به ساخت صفحه پيش فرض كاربر منتج مي شود. پس از ساخت صفحه اختصاصي شده كاربر، وي مي تواند با امكانات بخش خصوصي سازي پرتال، ظاهر و محتواي پرتال را مورد تغييرات بيشتري قراردهد و به صورت تغييرات لازم را اعمال كند. همچنین در طول مدتی که کاربر در حال استفاده از پرتال میباشد پرتال توانایی تجزیه و تحلیل رفتار کاربر را دارا می باشد و با استفاده از این توانایی قادر به تغییر و تصحیح خصوصی سازی می باشد.
نتيجه گيري
ديديم كه در جهت ايجاد خبرگي، با افزودن يك موتور استنتاج و تعدادي قوانين به پرتالها مي توان هوشمندي محسوسي را در تعامل پرتالها با كاربران آنها ايجاد كرد. اين هوشمندي مي تواند به افزايش ترافيك پرتالها كمك كرده و زمانيكه انبوهي از خدمات و اطلاعات موجود است به كاربر در امر خصوصي سازي كمك شاياني بنمايد.
مراجع
[1] Cesar J.Acuna and Esperanza Marcos, Juan M.Gomez and Christoph Bussler, Toward Web Portal Integration through Semantic Web Services, IEEE 2005
[2] Kiaxin Chua, Wee-Shiang Ong, Qi He, Kuiyu Chang, Albert Kek, Intelligent Portal for Eventtriggered SMS Alerts, IEEE
[3] Chun-Wei Tsai, Jiun-Heui Ho, Ting-Wen Liang,Chu-Sing Yang, An Intelligent Web Portal System for Web Information Region Integration, National Science Council NSC93-2213-E-110 038
[4] Anup Chandran, Driss Moutayakine, Terry Ulmer, Manoj Pal, Mahesh Dodani, Gary Craig, Rob Cutlip, Rob Rowe, Dawn R.H. Smith, Architecting Portal Solutions P280-310, IBM Red Book. December 2003
[5] Liferay architectur for developerse, Liferay Developer Team, 2007