Startseite
Podcasts
Fakultät für Mathematik, Informatik und Statistik - Digitale Hochschulschriften der LMU - Teil 01/02 Podcast
Kontext-abhängige Personalisierung multimedialer Inhalte auf mobilen Endgeräten

Kontext-abhängige Personalisierung multimedialer Inhalte auf mobilen Endgeräten

Fakultät für Mathematik, Informatik und Statistik - Digitale Hochschulschriften der LMU - Teil 01/02 vor 17 Jahren

0:00

Die Bedeutung multimedialer Dienste hat in den letzten Jahren
beträchtlich zugenommen. Ihre Nutzung ist heutzutage nicht mehr nur
auf stationäre Geräte beschränkt: durch bessere mobile Endgeräte
und leistungsfähigere Netze können diese Dienste immer mehr auch
unterwegs eingesetzt werden. Gerade im mobilen Umfeld kämpfen sie
aber mit zwei grundlegenden Problemen: zum einen ist es für den
Nutzer schwierig, aus der riesigen Menge der Inhalte diejenigen zu
finden, die für ihn wirklich relevant sind. Dieses Problem tritt
auch bei stationärer Nutzung auf, die schlechteren
Eingabemöglichkeiten und die geringere Bandbreite mobiler Endgeräte
schränken aber gerade hier die Nutzung massiv ein. Zum anderen
zeichnen sich mobile Geräte durch eine starke Heterogenität aus. Um
multimediale Inhalte komfortabel nutzen zu können, muss deren
optimale Darstellung für die unterschiedlichen Charakteristika
dieser heterogenen Endgeräte gefunden werden. Eine Lösung für diese
beiden Probleme ist die Personalisierung multimedialer Inhalte. Im
mobilen Bereich findet die Nutzung multimedialer Inhalte in einem
wesentlich dynamischeren Kontext statt. Der Nutzer kann sich
räumlich bewegen, die Umgebungslautstärke und die Lichtverhältnisse
ändern sich häufig, und er ist der Witterung ausgesetzt. Wie diese
Informationen genutzt werden, um die Personalisierung multimedialer
Inhalte zu unterstützen, soll im Rahmen dieser Arbeit näher
untersucht werden. Dafür wurde die Multimedia Adaptation and
Selection Language (MASL) zur Beschreibung von Inhalten und Nutzern
entwickelt. Die Informationen, die mit dieser Sprache erfasst
werden, werden durch Nutzereingabe (explizit) oder automatisch
(implizit) gewonnen. Exemplarisch wird dies in der vorliegenden
Arbeit mit der expliziten und impliziten Gewinnung von
Schlüsselwörtern zu Inhalten und Nutzerbewertungen gezeigt. Die
Beschreibungen in MASL werden verwendet, um multimediale Inhalte
Kontext-abhängig auszuwählen und die gewählten Inhalte in der
Darstellung an den aktuellen Nutzungskontext anzupassen. Für die
Auswahl werden Empfehlungssysteme eingesetzt, die Inhalte gemäß den
aktuellen Kontextinformationen des Nutzers selektieren. Die
entwickelten Ansätze werden in ein einheitliches Framework
integriert, das flexibel konfigurierbar ist. Für die Anpassung der
Darstellung wird eine Middleware entwickelt, die verteilt arbeitet:
der Server-seitige Teil führt eine Voranpassung der Inhalte durch,
der Client beendet den Anpassungsprozess.