Calculating the strength of ties of a social network in a semantic search system using hidden Markov models

Abstract

The Web of information has grown to millions of independently evolved decentralized information repositories. Decentralization of the web has advantages such as no single point of failure and improved scalability. Decentralization introduces challenges such as ontological, communication and negotiation complexity. This has given rise to research to enhance the infrastructure of the Web by adding semantic to the search systems. In this research we view semantic search as an enabling technique for the general Knowledge Management (KM) solutions. We argue that, semantic integration, semantic search and agent technology are fundamental components of an efficient KM solution. This research aims to deliver a proofof-concept for semantic search. A prototype agent-based semantic search system supported by ontological concept learning and contents annotation is developed. In this prototype, software agents, deploy ontologies to organize contents in their corresponding repositories; improve their own search capability by finding relevant peers and learn new concepts from each other; conduct search on behalf of and deliver customized results to the users; and encapsulate complexity of search and concept learning process from the users. A unique feature of this system is that the semantic search agents form a social network. We use Hidden Markov Model (HMM) to calculate the tie strengths between agents and their corresponding ontologies. The query will be forwarded to those agents with stronger ties and relevant documents are returned. We have shown that this will improve the search quality. In this paper, we illustrate the factors that affect the strength of the ties and how these factors can be used by HMM to calculate the overall tie strength.

Modelado de sistemas multimedia para personalización y recomendación híbrida a partir del consumo audiovisual de los usuarios

“…Ya dentro del caso de recomendación multimedia, resulta especialmente interesante considerar plataformas de distribución de contenidos, donde se plantea como un reto fundamental caracterizar las preferencias de los usuarios a partir del consumo audiovisual, ya que esta actividad no presenta ningún añadido a la actividad habitual del usuario dentro de la plataforma. Otra importante línea de investigación consiste en el modelado de información heterogénea el usuario, procedente de fuentes diversas y de distinta naturaleza [1], ya sea consumo, opiniones explícitas sobre un ítem expresadas mediante una valoración, acciones ejecutadas sobre el ítem (ya sea compartir, incluir en favoritos, etcétera), o comentarios u opiniones implícitas expresadas en medios diversos, como redes sociales, en los que se puede tener en cuenta, a su vez, los tipos de relación entre los distintos usuarios y su fortaleza (tie-strength [2]). Por lo tanto, el principal reto de futuro es perfilar a cada usuario integrando información explícita e implícita, siendo la información explícita aquella que el usuario suministra directamente al sistema, y la información implícita aquella que el sistema infiere del comportamiento habitual del usuario, como puede ser el consumo de contenidos, la actividad o comentarios en una red social, etc.…”