Streszczenie
Przedstawiona rozprawa doktorska dotyczy metod modelowania adaptowal-nych systemów mobiladaptowal-nych świadomych kontekstu. Środowiska w których działają tego typu systemy charakteryzują się wysoką dynamiką zachodzą-cych w nich procesów i w efekcie podlegają nieustannym zmianom, zarówno w wymiarze krótkoterminowym jak i długoterminowym. Jest to spowodo-wane fizyczną mobilnością użytkownika, zmianą jego nawyków i potrzeb, a także dynamiką samego otoczenia. W związku z tym, zapewnienie metod wspierających adaptowalność stanowi kluczowy element budowania inteli-gentnych systemów mobilnych.
Głównym problemem badawczym niniejszej pracy jest zaproponowanie metod modelowania i mediacji wiedzy w mobilnych systemach świadomych kontekstu. Metody te powinny wspierać użytkownika w dostosowywaniu działania systemu do jego potrzeb i preferencji, poprzez uwzględnienie dy-namiki i niepewności danych kontekstowych. W celu realizacji założeń wy-znaczonych przez problem badawczy, autor rozprawy prezentuje w niej na-stępujące osiągnięcia stanowiące oryginalny wkład w dziedzinę. W pierw-szej kolejności przeprowadzono analizę wymagań dla procesów projektowa-nia, budowania i uruchamiania mobilnych systemów świadomych kontekstu, która posłużyła za punkt wyjścia do dalszych prac. Bazując na wnioskach z analizy wymagań, zaproponowano dwa mechanizmy modelowania i prze-twarzania regułowej wiedzy niepewnej, oparte odpowiednio o algebrę współ-czynników niepewności i interpretację probabilistyczną modeli regułowych. W dalszej kolejności opracowano trzy metody wspierające adaptowalność systemów świadomych kontekstu oparte odpowiednio na metodach uczenia maszynowego, operatorach czasowych, oraz mediacji wiedzy. Trzecia me-toda obejmuje dwa podejścia do mediacji kontekstu, oparte o bezpośredni i pośredni udział użytkownika w procesie wnioskowania.
W celu ewaluacji zaproponowanych metod został stworzony zestaw na-rzędzi do budowania mobilnych systemów świadomych kontekstu. Wyniki teoretyczne jak i praktyczne pracy zostały poddane ewaluacji względem sfor-mułowanych na samym początku rozprawy wymagań. W ewaluacji uwzględ-niono studium wykonalności, a także testy wydajności i poprawności działa-nia systemów zbudowanych w oparciu o metody i narzędzia zaproponowane w niniejszej pracy.
Abstract
This dissertation is concerned with methods for modelling self-adaptive mo-bile context-aware systems. Providing adaptability in such systems is cru-cial to assure that they work as expected by the user. Mobile environment changes very fast, either due to the user mobility, evolution of user habits, or because of the dynamic nature of the environment itself. Therefore, constant updates and modifications of knowledge are obligatory to provide optimal system performance.
The primary research problem of this dissertation is to propose methods for uncertain knowledge modelling and mediation in mobile context-aware systems, to support the user in adjusting the system to his or her personal preferences and habits, and to improve management of uncertain and incom-plete knowledge in order to enhance the self-adaptation capabilities of the system.
To solve this research problem, the dissertation makes the following orig-inal contributions. First of all, an analysis of challenges and requirements for designing and developing mobile context-aware system was conducted. Based on that, the uncertainty modelling mechanism that uses certainty fac-tors and probabilistic interpretation of rule models was proposed, alongside with reasoning algorithms that allows for processing uncertain knowledge bases. This was followed by the proposal of three types of adaptability meth-ods: data-driven, model-driven and user-driven that exploit respectively the strengths of machine learning methods, rule-based modelling language, and user feedback. Finally, mediation techniques and protocols were proposed in order to assure the system intelligibility. The theoretical part of the dis-sertation was followed by the description of the software toolkit which was developed during the research. This toolkit provides a comprehensive prac-tical support for building mobile context-aware systems, and was used to perform evaluation of the results of the thesis.
In order to evaluate the results of the dissertation the qualitative and quantitative evaluation of the selected methods and tools were conducted. The former focuses on the feasibility study of the rule-based recommender system for museum visitors with methods presented in this dissertation. In particular the uncertainty handling mechanisms and short-time adaptabil-ity features are presented there. The latter concentrates on mediation tech-niques evaluation on the example of indoor navigation system, and the study of efficiency of reasoning engines.
