TOMASZ ZDZIEBKO
SKRYPTOWY SYSTEM MONITOROWANIA
ZACHOWAē UĩYTKOWNIKÓW SERWISÓW WWW
Wprowadzenie
Internet rozwija siĊ w zdumiewającym tempie w wielu aspektach. Ze wzrostem popularnoĞci, liczby uĪytkowników, serwisów internetowych, skle-pów internetowych i biznesowych zastosowaĔ potrzeba poznania i zrozumienia zachowaĔ indywidualnych uĪytkowników zyskuje na znaczeniu. Jednym z czynników przemawiających za tą tendencją jest moĪliwoĞü dostosowania przekazywanych treĞci do indywidualnych gustów i preferencji uĪytkowników – tak zwana personalizacja. Jej waga dla wáaĞcicieli serwisów WWW jest coraz wyĪsza. Zastosowanie systemów personalizacji moĪe siĊ przyczyniü do zwiĊk-szenia tak satysfakcji klientów, jak i obrotów sklepów internetowych oraz do pozyskania dáugoterminowych wartoĞciowych klientów.
Personalizacja definiowana jest jako proces prezentowania uĪytkownikowi prawidáowych informacji w odpowiednim momencie1. Aby byáo to moĪliwe, konieczne jest poznanie indywidualnych preferencji uĪytkowników. W literatu-rze zaproponowano wiele inteligentnych technik budowania profili uĪytkowni-ków na podstawie informacji o stronach, które są interesujące dla danego uĪyt-kownika2. We wczeĞniejszych badaniach czĊsto wykorzystywano techniki
1
M. Speretta, S. Gauch, Personalizing Search Based on User Search Histories, Thirteenth International Conference on Information and Knowledge Management (CIKM 2004), 2004.
2
H. Kim, P.K. Chan, Learning implicit user interest hierarchy for context in
personaliza-tion, International Conference on Intelligent User Interfaces, 2003; J. Goecks, J. Shavlik, Learn-ing users’ interests by unobtrusively observLearn-ing their normal behavior, Proc. 5th International
nego poznawania preferencji uĪytkowników poprzez ich odpytywanie. Korzy-stający z informacji byli proszeni o wypeánienie ankiet lub o odpowiedĨ na proste pytanie, na przykáad „Czy podoba Ci siĊ ten produkt?” z dwoma moĪli-wymi odpowiedziami „tak/nie”. Jawne metody poznawania preferencji wyma-gają jednak Ğwiadomej zgody uĪytkownika, a takĪe uczynienia pewnego wysiá-ku. Stanowi to czĊsto barierĊ nie do pokonania dla wielu osób. Niejawne meto-dy pozyskiwania informacji o uĪytkownikach serwisów WWW opierają siĊ na obserwacji ich zachowaĔ. Nie są one z reguáy tak dokáadne, jak jawne metody, ale nie wymagają wysiáku ze strony uĪytkownika3. OczywiĞcie w celu uszano-wania prywatnoĞci uĪytkowników informacja o dziaáaniach monitorujących powinna byü zawarta w polityce prywatnoĞci serwisu.
WiĊkszoĞü technik niejawnego4 odkrywania preferencji internautów pro-ponowanych w literaturze bazuje na danych uzyskanych na podstawie klikniĊü w poszczególne linki. Dane te pochodzą z logów serwerów WWW lub są ze-brane poprzez oprogramowanie logujące po stronie klienta. Mając te informa-cje, moĪna oszacowaü jeden z gáównych wskaĨników zainteresowania, jakim jest czas spĊdzony na stronie5. JednakĪe miara ta moĪe byü niedokáadna, ze wzglĊdu na fakt, iĪ w wielozadaniowych systemach operacyjnych uĪytkownicy mogą wykonywaü inne czynnoĞci, podczas gdy przeglądarka zostaje otwarta6. Z tego powodu powinny byü mierzone inne niejawne wskaĨniki zainteresowa-nia.
Effective Personalization Based on Association Rule Discovery from Web Usage Data, Web
Information and Data Management, 2005.
3
A. Watson, M.A. Sasse, Measuring perceived quality of speech and video in multimedia
conferencing applications, Proc. ACM Multimedia Conference, 1998. 4
W angielskim stosuje siĊ termin implicit, co w tym kontekĞcie oznacza niejawny lub domniemany.
5
L.A. Granka, T. Joachims, G. Gay, Eye-tracking analysis of user behavior in WWW
search, Proc. 27th annual international conference on Research and development in information
retrieval, 2004; M. Claypool, P. Le, M. Wased, D. Brown, Implicit interest indicators, In Proc. 6th international conference on Intelligent User Interfaces, 2001.
6
K. Jung, Modeling web user interest with implicit indicators, Master Thesis, Florida
1. Badania zachowaĔ uĪytkowników serwisów internetowych w literaturze Monitorowanie zachowaĔ uĪytkowników serwisów WWW zostaáo ostat-nio szczegóáowo opisane przez Velaythana i YamadĊ7. Opracowali oni system GINIS wykorzystujący zmodyfikowaną wersjĊ przeglądarki Internet Explorer, zawierającą rozszerzenia pozwalające na drobiazgowe rejestrowanie akcji do-konywanych przez uĪytkowników. System pozwala na rejestrowanie ponad 70 róĪnych akcji nawigacyjnych, które byáy klasyfikowane jako 40 róĪnych za-chowaĔ. Zostaá przetestowany na grupie dziesiĊciu ochotników, którzy Ğrednio przez 22 dni korzystali z tej przeglądarki do codziennego przeglądania sieci. W trakcie przeglądania zasobów WWW ich zachowanie byáo rejestrowane, a przy kaĪdorazowym opuszczeniu strony byli proszeni o odpowiedĨ, czy dana strona ich zainteresowaáa. Rozwiązanie to wymagaáo Ğwiadomej zgody uĪyt-kownika na ujawnienie swoich preferencji odnoĞnie do poszczególnych stron WWW oraz wysiáku z jego strony. Po przeprowadzeniu analizy zebranych da-nych autorzy badania odkryli, iĪ przewijanie strony, korzystanie z klawiatury, wprowadzanie danych do formularzy, korzystanie z linków i wyszukiwanie tekstu stanowią najczĊstsze akcje wykonywane przez internautów. Badanie to ukazaáo równieĪ, Īe czas spĊdzony na stronie nie jest najwaĪniejszym wskaĨni-kiem zainteresowania uĪytkowników. Na podstawie tych badaĔ stwierdzono, Īe inne akcje, takie jak na przykáad scrollowanie, korzystanie z formularzy, wy-szukiwanie tekstu, kopiowanie tekstu, powinny byü brane pod uwagĊ przy oce-nianiu zainteresowania uĪytkowników. Velayathan i Yamada odkryli równieĪ, Īe poszczególnych uĪytkowników cechowaáy róĪne wzorce przeglądania sieci, co oznaczaáo w praktyce, Īe niektóre wskaĨniki oceny zainteresowania nie sprawdzaáy siĊ jednakowo w odniesieniu do wszystkich uczestników badania.
Jedno z wczeĞniejszych badaĔ zostaáo zaprezentowane przez Weinreicha i innych w 2006 roku8. Badanie to polegaáo na obserwacji 25 uĪytkowników Ğrednio przez 25 dni. Skupiono siĊ na poznaniu sposobów korzystania z prze-glądarki do nawigacji po róĪnych serwisach internetowych. Wyniki badania wskazują, iĪ uĪytkownicy bardzo czĊsto pobieĪnie przeglądają strony interne-towe w celu okreĞlenia, czy dana treĞü jest interesująca. JeĞli nie, podejmują
7
G. Velayathan, S. Yamada, Can We Find Common Rules of Browsing Behavior?, 6th In-ternational World Wide Web Conference, 2007.
8
H. Weinreich, H. Obendort, E. Herder, M. Mayer, Exploring Three Aspects of Web
akcjĊ nawigacyjną i przemieszczają siĊ na inną stronĊ. W badaniu zauwaĪono równieĪ silną tendencjĊ do równolegáego przeglądania róĪnych stron w kliku oknach lub zakáadkach przeglądarek.
Kolejny wkáad do poznania zachowaĔ uĪytkowników serwisów interneto-wych wniosáo badanie przeprowadzone przez Kima i Chana, którzy stworzyli przeglądarką bĊdącą w stanie rejestrowaü zachowania uĪytkowników stron in-ternetowych9. Jedenastu róĪnych uĪytkowników zostaáo poproszonych o spĊ-dzenie dwóch godzin na surfowanie po sieci. Kim i Chan odkryli, Īe wykorzy-stując wskaĨniki Complete, Active, LookAtIt, MousMove, byli w stanie okreĞliü zachowanie oĞmiu uczestników badania. Zaobserwowali takĪe, Īe wskaĨnik MousMove, a nastĊpnie MouseClicks mogą byü najbardziej praktyczne w przy badaniu zainteresowania internautów.
Wyniki jednego z najwczeĞniej przeprowadzonych badaĔ na duĪą skalĊ zostaáy zawarte w pracy Catledge’a i Pitkowa10. Badanie zostaáo przeprowadzo-ne na grupie 107 uĪytkowników i trwaáo 21 dni. Uczestnicy korzystali z prze-glądarki XMosaic, do której dodano kod rejestrujący zdarzenia. Dane pozyska-ne z tego badania pozwoliáy na klasyfikacjĊ sposobów nawigacji uĪytkowników na trzy róĪnorodne grupy. Jednym z czĊsto wystĊpujących wzorców nawigacji wĞród wszystkich uĪytkowników byáo przemieszczanie w gáąb struktury serwi-su ze strony startowej, po czym nastĊpowaá powrót na stronĊ startową, skąd nastĊpowaáo kolejne przemieszczanie w gáąb serwisu tym razem wzdáuĪ innej ĞcieĪki.
Web browsing behaviour monitor (WBBM)
W pracy proponuje siĊ system niejawnego monitorowania zachowaĔ uĪyt-kowników serwisów WWW – WBBM, który bazuje na skryptach w technologii JavaScript. Rozwiązanie to ma niewątpliwie jedną zaletĊ – nie wymaga instala-cji dodatkowych aplikainstala-cji po stronie uĪytkownika. DziĊki temu nie jest wyma-gana zgoda uĪytkownika na instalowanie dodatkowych programów. OczywiĞcie takie rozwiązanie moĪe budziü obawy o naruszenie zasad prywatnoĞci. Aby
9
H. Kim, P. Chan, Implicit Indicators for Interesting Web Pages. Proc. Intl. Conf. on Web Information Systems and Technologies, 2005, pp. 270–277.
10
L.D. Catledge, J.E. Pitkow, Characterizing Browsing Strategies in the World-Wide Web, Proceedings of the Third International World-Wide Web Conference on Technology, Tools and Applications, 1995.
uchroniü siĊ przed takimi zarzutami, autor zdecydowaá siĊ na monitorowanie zdarzeĔ w sposób anonimowy. ĩadne monitorowane zdarzenia nie byáy powią-zane z konkretnym komputerem, a tym bardziej jego uĪytkownikiem.
System WBBM wykorzystuje jĊzyk JavaScript, Obiektowy Model Doku-mentu – DOM i mechanizm AJAX – Asynchroniczny JavaScript i XML. Wyma-gania te speánione są przez wiĊkszoĞü obecnie uĪywanych przeglądarek interne-towych. System byá testowany na platformie Windows w nastĊpujących prze-glądarkach: Opera 8.5, 9.21, Mozilla FireFox 1.5, 2.0, Microsoft Internet Explo-rer 6.0, 7.0. System WBBM powinien pracowaü prawidáowo równieĪ na innych systemach operacyjnych i innych przeglądarkach. Instalacja system WBBM polega jedynie na doáączeniu do kaĪdej monitorowanej strony linku do skryptu znajdującego siĊ w osobnym pliku oraz na umieszczeniu na serwerze skryptów w jĊzyku PHP, które zbierają dane przesyáane z monitorowanych przeglądarek.
System WBBM monitoruje wybrane zdarzenia wystĊpujące po stronie przeglądarki. Razem z informacją o typie zdarzenia zapisywane są dodatkowe informacje, takie jak na przykáad czas zdarzenia, Ĩródáowy element HTML zda-rzenia. W celu ograniczenia poáączeĔ nawiązywanych przez monitorowaną przeglądarkĊ z serwerem zbierającym dane, wszystkie zdarzenia są paczkowa-ne. Paczka jest wysyáana do serwera w momencie, gdy osiągnie okreĞlony roz-miar lub gdy wystąpi zdarzenie Unload oznaczające opuszczenie bieĪącej stro-ny przez uĪytkownika. Komunikacja pomiĊdzy monitorowaną przeglądarką a serwerem zbierającym dane odbywa siĊ przy uĪyciu mechanizmu AJAX. W celu identyfikacji zdarzeĔ na konkretnej maszynie wykorzystywany jest me-chanizm Cookies.
Niewątpliwa wada, jaką ma WBBM, wynika z natury jĊzyka JavaScript, który nie pozwala na monitorowanie wszystkich interakcji uĪytkownika z prze-glądarką. Przykáadem jest korzystanie z menu przeglądarki lub poszczególnych funkcji wybieranych z menu kontekstowego. Z tego powodu system nie jest w stanie monitorowaü wszystkich zachowaĔ i dostarczyü w peáni wiarygodnych informacji. JednakĪe rozwiązanie pozwala na monitorowanie sporej liczby ak-tywnoĞci uĪytkowników, warte jest wiĊc rozwijania, gdyĪ brak koniecznoĞci instalowania jakiekolwiek oprogramowania po stronie klienta czyni je áatwym do praktycznego zastosowania, a to moĪe, z kolei, ulepszyü dotychczas stoso-wane rozwiązania.
System WBBM pozwala na monitorowanie zdarzeĔ wygenerowanych przez akcje wykonywane przy uĪyciu myszy lub klawiatury. Pierwszy problem,
jaki napotkano przy konstruowaniu systemu, wynikaá z braku peánej kompaty-bilnoĞci pomiĊdzy implementacjami standardów DOM i JavaScript w róĪnych przeglądarkach. Aby uniknąü tworzenia róĪnych wersji systemu dla róĪnych przeglądarek, problem ten udaáo siĊ rozwiązaü, wykorzystując gáównie mecha-nizm detekcji obiektów11. Kolejny problem, którego jeszcze nie udaáo siĊ roz-wiązaü, stanowi prawidáowa detekcja klawiszy naciskanych przez uĪytkowni-ków12. Niestety, ze wzglĊdu na róĪnice miĊdzy przeglądarkami, róĪne jĊzyki i ukáady klawiatury na róĪnych systemach, jedynie klawisze CTRL, SHIFT i ALT mogáy byü odczytane prawidáowo.
Po przeanalizowaniu uprzednich badaĔ w zakresie Ğledzenia zachowaĔ uĪytkowników serwisów internetowych wybrano 14 zdarzeĔ, które w zamierze-niu miaá monitorowaü system WBBM.
2. Wyniki badania
System WBBM zostaá zainstalowany w serwisie konferencja.org, który stanowi najwiĊkszy polski katalog konferencji. W skáad serwisu wchodzi wy-szukiwarka oraz prosty katalog tematyczny danej konferencji. KaĪda pozycja znajdująca siĊ w katalogu zawiera krótki opis konferencji, wraz z podstawo-wymi informacjami na temat terminu zgáoszeĔ, opáaty itp. Badanie przeprowa-dzono w okresie od 1 czerwca do 20 sierpnia 2007 roku. Caákowita liczba zare-jestrowanych zdarzeĔ wyniosáa ponad 26 tys., a caákowita liczba unikatowych uĪytkowników (identyfikowanych na podstawie cookies) wyniosáa 770. Dane te zostaáy poddane wstĊpnemu przetwarzaniu, które miaáo na celu wyeliminowa-nie ruchu wygenerowanego przez roboty i báĊdnych zdarzeĔ spowodowanych przypadkowym przyblokowaniem klawiszy. Po ich usuniĊciu odnotowano po-nad 23 tys. zdarzeĔ. Udziaá procentowy najczĊĞciej wystĊpujących zdarzeĔ przedstawiono w tabeli 1. Uzyskane wyniki w znacznym stopniu pokrywają siĊ z badaniami przedstawionymi w pracy Velayathana i Yamady13. NajczĊĞciej wystĊpujące zdarzenia to: przewijanie strony, korzystanie z klawiatury, wypeá-nianie formularzy i korzystanie z linków nawigacyjnych – stanowią one w
11
A. Watson, M.A. Sasse, Measuring perceived quality of speech and video in multimedia
conferencing applications, Proc. ACM Multimedia Conference, 1998. 12
Opera: http://my.opera.com/hallvors/blog/show.dml/217592, 12.07.2006.
13
G. Velayathan, S. Yamada, Can We Find Common Rules of Browsing Behavior?, 6th In-ternational World Wide Web Conference, 2007.
mie 96,8% odnotowanych czynnoĞci wykonanych przez uĪytkowników. Nie udaáo siĊ, co byáo duĪym zaskoczeniem, zarejestrowaü czynnoĞci związanych z drukowaniem, dodawaniem do ulubionych czy wyszukiwaniem tekstu. Wyni-ka to prawdopodobnie z tego, Īe uĪytkownicy wywoáują te akcje, korzystając z menu przeglądarki lub menu kontekstowego zamiast skrótów klawiaturowych. Potwierdzeniem dla tej hipotezy moĪe byü fakt doĞü czĊstego korzystania z menu kontekstowego, który zanotowano w 2% przypadków.
Tabela 1
Zdarzenia i ich czĊstoĞü wystĊpowania
Zachowanie Odsetek przewijanie strony (scroll) 35,9
korzystanie z klawiatury 32,8
wypeánianie formularzy 14,6
korzystanie z linków nawigacyjnych 13,5 korzystanie z menu kontekstowego 2,0
zmiana rozmiaru tekstu 0,6
kopiowanie 0,4
zapisywanie strony 0,1
zaznaczanie tekstu 0,1
ħródáo: opracowanie wáasne.
W dalszej czĊĞci analizy postanowiono porównaü liczbĊ wykonywanych akcji na stronie w zaleĪnoĞci od czasu korzystania z niej. Dla celów analizy postanowiono podzieliü wizyty na cztery grupy: wizyty znajdujące siĊ w nastĊ-pujących przedziaáach czasu (podane w sekundach): (0, 10>; (10, 60>; (60, 600>; (600, +f). LiczbĊ zdarzeĔ w trakcie wizyty na stronie podzielono na kolejne cztery grupy. Dla wizyt o czasie krótszym lub równym 10 sekund do-minująca liczba zdarzeĔ mieĞci siĊ w przedziale (0, 5> (rysunek 1). Ze wzro-stem czasu wizyty roĞnie liczba zarejestrowanych zdarzeĔ, aczkolwiek nadal nie jest ich duĪo (rysunki 1–4). Dla wizyt o czasie powyĪej 10 minut nie nastĊpuje jak wczeĞniej wzrost czĊstoĞci wizyt o liczbie zdarzeĔ powyĪej 5, jak to miaáo miejsce w wypadku zdarzeĔ o krótszym czasie trwania. W ponad poáowie wizyt o czasie trwania dáuĪszym niĪ 10 minut odnotowano 5 lub mniej zdarzeĔ. Jest to zdecydowanie zbyt niska wartoĞü ze wzglĊdu na czas trwania wizyty. Jedną z przyczyn moĪe byü wykonywanie innych zadaĔ, podczas gdy okno
przeglą-darki pozostaje otwarte. Rezultat ten potwierdza tezĊ sformuáowaną w pracy Velayathana, Yamady14, iĪ czas spĊdzony na stronie nie jest najlepszym wskaĨ-nikiem zainteresowania nią.
0 200 400 600 800 1000 1200 1400 5 10 15 20 WiĊcej Liczba zdarzeĔ Cz Ċ st o Ğü
Rys. 1. Histogram czĊstoĞci liczby zdarzeĔ dla wizyt o czasie <= 10 s ħródáo: opracowanie wáasne.
0 200 400 600 800 1000 5 10 15 20 WiĊcej Liczba zdarzeĔ Cz Ċ st o Ğü
Rys. 2. Histogram czĊstoĞci liczby zdarzeĔ dla wizyt o czasie (10; 60 s> ħródáo: opracowanie wáasne.
14
0 5 10 15 20 25 30 35 5 10 15 20 WiĊcej Liczba zdarzeĔ Cz Ċ sto Ğü
Rys. 3. Histogram czĊstoĞci liczby zdarzeĔ dla wizyt o czasie (60; 600 s> ħródáo: opracowanie wáasne.
0 5 10 15 20 25 30 35 40 5 10 15 20 WiĊcej Liczba zdarzeĔ Cz Ċ sto Ğü
Rys. 4. Histogram czĊstoĞci liczby zdarzeĔ dla wizyt o czasie dáuĪszym niĪ 10 min ħródáo: opracowanie wáasne.
Wnioski
W pracy przedstawiono system WBBM sáuĪący do niejawnego monitoro-wania zachowaĔ uĪytkowników serwisów WWW. Jedną z zalet tego rozwiąza-nia jest brak koniecznoĞci instalacji dodatkowego oprogramowarozwiąza-nia na kompute-rze uĪytkownika oraz brak koniecznoĞci podejmowania dodatkowych dziaáaĔ przez uĪytkowników, w celu ujawnienia swoich preferencji. NajpowaĪniejszą wadą przedstawionego rozwiązania jest brak moĪliwoĞci peánego monitorowa-nia wszystkich zdarzeĔ wykonywanych w przeglądarce.
Uzyskane wyniki są zgodne z uprzednio prowadzonymi badaniami. Po-twierdzają równieĪ waĪny tezĊ, iĪ czas spĊdzony na stronie nie jest najwaĪniej-szym wyznacznikiem zainteresowania nią.
W przyszáoĞci autor planuje rozszerzyü system monitorowania o dodatko-we wskaĨniki, takie jak na przykáad dystans, o jaki uĪytkownik przemieĞciá kursor na stronie, dystans, o jaki zostaáa przewiniĊta zawartoĞü strony, oraz porzucone linki (to znaczy takie, które byáy rozwaĪane albo zostaáy pominiĊte). Planuje równieĪ zaadaptowaü system WBBM do budowania profili na potrzeby systemów personalizacyjnych.
Literatura
Catledge L.D., Pitkow J.E., Characterizing Browsing Strategies in the World-Wide Web, Proceedings of the Third International World-Wide Web conference on Technology, tools and applications, 1995.
Claypool M., Le P., Wased M., and Brown, D., Implicit interest indicators, In Proc. 6th International Conference on Intelligent User Interfaces, 2001.
Goecks J., Shavlik J., Learning users’ interests by unobtrusively observing their normal behavior., In Proc. 5th International Conference on Intelligent User Interfaces, 2000.
Granka L.A., Joachims T., Gay, G., Eye-tracking analysis of user behavior in WWW search., In Proc. 27th Annual International Conference on Research and Deve-lopment in Information Retrieval, 2004.
Kim H., and Chan P.P., Implicit Indicators for Interesting Web Pages. Proc. Intl. Conf. on Web Information Systems and Technologies, pp. 270–277, 2005, pp. 270–277. Jung K.: Modeling web user interest with implicit indicators, Master Thesis, Florida
Kim H., Chan P.K., Learning implicit user interest hierarchy for context in personaliza-tion., In International Conference on Intelligent User Interfaces, 2003.
Mobasher B., Dai H., Luo T., Nakagawa M., Effective Personalization Based on Asso-ciation Rule Discovery from Web Usage Data, Web Information and Data Mana-gement, 2005.
Opera, http://my.opera.com/hallvors/blog/show.dml/217592, 12.07.2006 . Peter-Paul Koch site, http://www.quirksmode.org/js/support.html, 07.2007.
Speretta M., Gauch S., Personalizing Search Based on User Search Histories, Thir-teenth International Conference on Information and Knowledge Management (CIKM 2004), 2004.
Velayathan G., Yamada S., Can We Find Common Rules of Browsing Behavior?, 6th International World Wide Web Conference, 2007.
Watson A., Sasse M.A., Measuring perceived quality of speech and video in multimedia conferencing applications, In Proc. ACM Multimedia Conference, 1998.
Weinreich H., Obendort H., Herder E., Mayer M., Exploring Three Aspects of Web Navigation, WWW Conference 2006, ACM Press, 2006.
SCRIPT SYSTEM OF BEHAVIOURS MONITORING OF WWW-SERVICES USERS
Summary
A user’s interest in web pages can be estimated explicitly by querying his prefe-rences or implicitly by observing his behaviors. Implicit methods are by nature less accurate than explicit methods, but they don’t require any effort from user. Most of the previous studies used click stream data to infer user’s interest. Starting with analysis of previous studies in web browsing behaviours, this study presents WBBM system for evaluating such behaviours. For purpose of these study author developed script-based system for monitoring web users activities. These system unobtrusively monitor low level activities at client-side and sends them to server. Results of experimental evalua-tion WBBM system has been also presented.
