Date
2014-02-19Metadata
Show full item record
Dissertation
An algorithmic approach for collaborative-based prediction of user contexts in ubiquitous environments under consideration of legal implications
Abstract
Mit Hilfe der Vorhersage von Kontexten können z. B. Dienste
innerhalb einer ubiquitären Umgebung proaktiv an die Bedürfnisse
der Nutzer angepasst werden. Aus diesem Grund hat die
Kontextvorhersage einen signifikanten Stellenwert innerhalb des
’ubiquitous computing’. Nach unserem besten Wissen, verwenden
gängige Ansätze in der Kontextvorhersage ausschließlich die Kontexthistorie
des Nutzers als Datenbasis, dessen Kontexte vorhersagt
werden sollen. Im Falle, dass ein Nutzer unerwartet seine gewohnte
Verhaltensweise ändert, enthält die Kontexthistorie des Nutzers
keine geeigneten Informationen, um eine zuverlässige Kontextvorhersage
zu gewährleisten. Daraus folgt, dass Vorhersageansätze, die
ausschließlich die Kontexthistorie des Nutzers verwenden, dessen
Kontexte vorhergesagt werden sollen, fehlschlagen könnten. Um die
Lücke der fehlenden Kontextinformationen in der Kontexthistorie
des Nutzers zu schließen, führen wir den Ansatz zur kollaborativen
Kontextvorhersage (CCP) ein. Dabei nutzt CCP bestehende direkte
und indirekte Relationen, die zwischen den Kontexthistorien der
verschiedenen Nutzer existieren können, aus. CCP basiert auf der
Singulärwertzerlegung höherer Ordnung, die bereits erfolgreich in
bestehenden Empfehlungssystemen eingesetzt wurde. Um Aussagen
über die Vorhersagegenauigkeit des CCP Ansatzes treffen zu
können, wird dieser in drei verschiedenen Experimenten evaluiert.
Die erzielten Vorhersagegenauigkeiten werden mit denen von drei
bekannten Kontextvorhersageansätzen, dem ’Alignment’ Ansatz,
dem ’StatePredictor’ und dem ’ActiveLeZi’ Vorhersageansatz, verglichen.
In allen drei Experimenten werden als Evaluationsbasis
kollaborative Datensätze verwendet.
Anschließend wird der CCP Ansatz auf einen realen kollaborativen
Anwendungsfall, den proaktiven Schutz von Fußgängern,
angewendet. Dabei werden durch die Verwendung der kollaborativen
Kontextvorhersage Fußgänger frühzeitig erkannt, die potentiell Gefahr
laufen, mit einem sich nähernden Auto zu kollidieren. Als kollaborative
Datenbasis werden reale Bewegungskontexte der Fußgänger
verwendet. Die Bewegungskontexte werden mittels Smartphones,
welche die Fußgänger in ihrer Hosentasche tragen, gesammelt.
Aus dem Grund, dass Kontextvorhersageansätze in erster Linie
personenbezogene Kontexte wie z.B. Standortdaten oder Verhaltensmuster
der Nutzer als Datenbasis zur Vorhersage verwenden,
werden rechtliche Evaluationskriterien aus dem Recht des Nutzers
auf informationelle Selbstbestimmung abgeleitet. Basierend auf den
abgeleiteten Evaluationskriterien, werden der CCP Ansatz und
weitere bekannte kontextvorhersagende Ansätze bezüglich ihrer
Rechtsverträglichkeit untersucht. Die Evaluationsergebnisse zeigen
die rechtliche Kompatibilität der untersuchten Vorhersageansätze
bezüglich des Rechtes des Nutzers auf informationelle Selbstbestimmung
auf. Zum Schluss wird in der Dissertation ein Ansatz für die
verteilte und kollaborative Vorhersage von Kontexten vorgestellt.
Mit Hilfe des Ansatzes wird eine Möglichkeit aufgezeigt, um den
identifizierten rechtlichen Probleme, die bei der Vorhersage von
Kontexten und besonders bei der kollaborativen Vorhersage von
Kontexten, entgegenzuwirken.
innerhalb einer ubiquitären Umgebung proaktiv an die Bedürfnisse
der Nutzer angepasst werden. Aus diesem Grund hat die
Kontextvorhersage einen signifikanten Stellenwert innerhalb des
’ubiquitous computing’. Nach unserem besten Wissen, verwenden
gängige Ansätze in der Kontextvorhersage ausschließlich die Kontexthistorie
des Nutzers als Datenbasis, dessen Kontexte vorhersagt
werden sollen. Im Falle, dass ein Nutzer unerwartet seine gewohnte
Verhaltensweise ändert, enthält die Kontexthistorie des Nutzers
keine geeigneten Informationen, um eine zuverlässige Kontextvorhersage
zu gewährleisten. Daraus folgt, dass Vorhersageansätze, die
ausschließlich die Kontexthistorie des Nutzers verwenden, dessen
Kontexte vorhergesagt werden sollen, fehlschlagen könnten. Um die
Lücke der fehlenden Kontextinformationen in der Kontexthistorie
des Nutzers zu schließen, führen wir den Ansatz zur kollaborativen
Kontextvorhersage (CCP) ein. Dabei nutzt CCP bestehende direkte
und indirekte Relationen, die zwischen den Kontexthistorien der
verschiedenen Nutzer existieren können, aus. CCP basiert auf der
Singulärwertzerlegung höherer Ordnung, die bereits erfolgreich in
bestehenden Empfehlungssystemen eingesetzt wurde. Um Aussagen
über die Vorhersagegenauigkeit des CCP Ansatzes treffen zu
können, wird dieser in drei verschiedenen Experimenten evaluiert.
Die erzielten Vorhersagegenauigkeiten werden mit denen von drei
bekannten Kontextvorhersageansätzen, dem ’Alignment’ Ansatz,
dem ’StatePredictor’ und dem ’ActiveLeZi’ Vorhersageansatz, verglichen.
In allen drei Experimenten werden als Evaluationsbasis
kollaborative Datensätze verwendet.
Anschließend wird der CCP Ansatz auf einen realen kollaborativen
Anwendungsfall, den proaktiven Schutz von Fußgängern,
angewendet. Dabei werden durch die Verwendung der kollaborativen
Kontextvorhersage Fußgänger frühzeitig erkannt, die potentiell Gefahr
laufen, mit einem sich nähernden Auto zu kollidieren. Als kollaborative
Datenbasis werden reale Bewegungskontexte der Fußgänger
verwendet. Die Bewegungskontexte werden mittels Smartphones,
welche die Fußgänger in ihrer Hosentasche tragen, gesammelt.
Aus dem Grund, dass Kontextvorhersageansätze in erster Linie
personenbezogene Kontexte wie z.B. Standortdaten oder Verhaltensmuster
der Nutzer als Datenbasis zur Vorhersage verwenden,
werden rechtliche Evaluationskriterien aus dem Recht des Nutzers
auf informationelle Selbstbestimmung abgeleitet. Basierend auf den
abgeleiteten Evaluationskriterien, werden der CCP Ansatz und
weitere bekannte kontextvorhersagende Ansätze bezüglich ihrer
Rechtsverträglichkeit untersucht. Die Evaluationsergebnisse zeigen
die rechtliche Kompatibilität der untersuchten Vorhersageansätze
bezüglich des Rechtes des Nutzers auf informationelle Selbstbestimmung
auf. Zum Schluss wird in der Dissertation ein Ansatz für die
verteilte und kollaborative Vorhersage von Kontexten vorgestellt.
Mit Hilfe des Ansatzes wird eine Möglichkeit aufgezeigt, um den
identifizierten rechtlichen Probleme, die bei der Vorhersage von
Kontexten und besonders bei der kollaborativen Vorhersage von
Kontexten, entgegenzuwirken.
Citation
@phdthesis{urn:nbn:de:hebis:34-2014021945130,
author={Voigtmann, Christian},
title={An algorithmic approach for collaborative-based prediction of user contexts in ubiquitous environments under consideration of legal implications},
school={Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik},
month={02},
year={2014}
}
0500 Oax
0501 Text $btxt$2rdacontent
0502 Computermedien $bc$2rdacarrier
1100 2014$n2014
1500 1/eng
2050 ##0##urn:nbn:de:hebis:34-2014021945130
3000 Voigtmann, Christian
4000 An algorithmic approach for collaborative-based prediction of user contexts in ubiquitous environments under consideration of legal implications / Voigtmann, Christian
4030
4060 Online-Ressource
4085 ##0##=u http://nbn-resolving.de/urn:nbn:de:hebis:34-2014021945130=x R
4204 \$dDissertation
4170
5550 {{Ubiquitous Computing}}
5550 {{Kontext}}
5550 {{Prognose}}
5550 {{Car-to-car-Kommunikation}}
7136 ##0##urn:nbn:de:hebis:34-2014021945130
<resource xsi:schemaLocation="http://datacite.org/schema/kernel-2.2 http://schema.datacite.org/meta/kernel-2.2/metadata.xsd"> 2014-02-19T13:16:02Z 2014-02-19T13:16:02Z 2014-02-19 urn:nbn:de:hebis:34-2014021945130 http://hdl.handle.net/123456789/2014021945130 eng Urheberrechtlich geschützt https://rightsstatements.org/page/InC/1.0/ Context prediction Collaborative context prediction Hosvd Kora Legal implications Car-2-Pedestrian Car-2-X Tensor decomposition 004 An algorithmic approach for collaborative-based prediction of user contexts in ubiquitous environments under consideration of legal implications Dissertation Mit Hilfe der Vorhersage von Kontexten können z. B. Dienste innerhalb einer ubiquitären Umgebung proaktiv an die Bedürfnisse der Nutzer angepasst werden. Aus diesem Grund hat die Kontextvorhersage einen signifikanten Stellenwert innerhalb des ’ubiquitous computing’. Nach unserem besten Wissen, verwenden gängige Ansätze in der Kontextvorhersage ausschließlich die Kontexthistorie des Nutzers als Datenbasis, dessen Kontexte vorhersagt werden sollen. Im Falle, dass ein Nutzer unerwartet seine gewohnte Verhaltensweise ändert, enthält die Kontexthistorie des Nutzers keine geeigneten Informationen, um eine zuverlässige Kontextvorhersage zu gewährleisten. Daraus folgt, dass Vorhersageansätze, die ausschließlich die Kontexthistorie des Nutzers verwenden, dessen Kontexte vorhergesagt werden sollen, fehlschlagen könnten. Um die Lücke der fehlenden Kontextinformationen in der Kontexthistorie des Nutzers zu schließen, führen wir den Ansatz zur kollaborativen Kontextvorhersage (CCP) ein. Dabei nutzt CCP bestehende direkte und indirekte Relationen, die zwischen den Kontexthistorien der verschiedenen Nutzer existieren können, aus. CCP basiert auf der Singulärwertzerlegung höherer Ordnung, die bereits erfolgreich in bestehenden Empfehlungssystemen eingesetzt wurde. Um Aussagen über die Vorhersagegenauigkeit des CCP Ansatzes treffen zu können, wird dieser in drei verschiedenen Experimenten evaluiert. Die erzielten Vorhersagegenauigkeiten werden mit denen von drei bekannten Kontextvorhersageansätzen, dem ’Alignment’ Ansatz, dem ’StatePredictor’ und dem ’ActiveLeZi’ Vorhersageansatz, verglichen. In allen drei Experimenten werden als Evaluationsbasis kollaborative Datensätze verwendet. Anschließend wird der CCP Ansatz auf einen realen kollaborativen Anwendungsfall, den proaktiven Schutz von Fußgängern, angewendet. Dabei werden durch die Verwendung der kollaborativen Kontextvorhersage Fußgänger frühzeitig erkannt, die potentiell Gefahr laufen, mit einem sich nähernden Auto zu kollidieren. Als kollaborative Datenbasis werden reale Bewegungskontexte der Fußgänger verwendet. Die Bewegungskontexte werden mittels Smartphones, welche die Fußgänger in ihrer Hosentasche tragen, gesammelt. Aus dem Grund, dass Kontextvorhersageansätze in erster Linie personenbezogene Kontexte wie z.B. Standortdaten oder Verhaltensmuster der Nutzer als Datenbasis zur Vorhersage verwenden, werden rechtliche Evaluationskriterien aus dem Recht des Nutzers auf informationelle Selbstbestimmung abgeleitet. Basierend auf den abgeleiteten Evaluationskriterien, werden der CCP Ansatz und weitere bekannte kontextvorhersagende Ansätze bezüglich ihrer Rechtsverträglichkeit untersucht. Die Evaluationsergebnisse zeigen die rechtliche Kompatibilität der untersuchten Vorhersageansätze bezüglich des Rechtes des Nutzers auf informationelle Selbstbestimmung auf. Zum Schluss wird in der Dissertation ein Ansatz für die verteilte und kollaborative Vorhersage von Kontexten vorgestellt. Mit Hilfe des Ansatzes wird eine Möglichkeit aufgezeigt, um den identifizierten rechtlichen Probleme, die bei der Vorhersage von Kontexten und besonders bei der kollaborativen Vorhersage von Kontexten, entgegenzuwirken. open access Voigtmann, Christian Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik David, Klaus Bernhard, Sick Ubiquitous Computing Kontext Prognose Car-to-car-Kommunikation 2014-01-29 </resource>
The following license files are associated with this item:
:Urheberrechtlich geschützt