文献

J-GLOBAL ID：202002213428890174   整理番号：20A2782441

エンドユーザ開発のためのトリガーアクションルールを推奨するための学習:知識グラフベースアプローチ【JST・京大機械翻訳】

Learning to Recommend Trigger-Action Rules for End-User Development A Knowledge Graph Based Approach

著者 (3件)： Wu Qinyue (School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Shen Beijun (School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Chen Yuting (School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12541  ページ： 190-207  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： トリガー行動プログラミング(TAP)は,IoT世界における一般的なプログラミングパラダイムである。IoTデバイスを自動化し,オンラインサービスを要求に合わせるために,トリガ行動ルールの集合の形で,非専門的エンドユーザが自分自身によってプログラムするのを可能にする。スマートデバイス/サービスの数が増加し,トリガーと行動の間の組合せが数多くなるので,TAPを通して彼らの要求を示す初心者にとっては挑戦的である。一方,TAPコミュニティには多くのTAP規則が存在する。これらの規則を収集し,開発中にユーザをエンドユーザに推薦するのは有望である。本論文は,予備的経験的研究を実施し,TAP規則,すなわち,コールドスタート問題,反復消費問題,およびコンフリクト問題の推薦における3つの問題を明らかにした。これらの問題を解決するために,トリガ行動ルールを推薦する意味的意識アプローチであるrtarを提案する。(1)それはIoTデバイス/サービス,トリガー,および行動の間の関係をモデル化するためのトリガー行動知識グラフ(TaKG)を設計する。(2)TaKGから特徴を抽出し,ランキングモデルを訓練することにより,トリガー行動ルールを推薦する。最大TAPコミュニティの1つであるIFTTTから収集された実際のユーザデータについて,RecRule(最先端のアプローチ)に対するrtarを評価した。結果は,タールの強度を明確に示した。特に,rtarは,R@5で26%,NDCG@5で21%のRecRuleを凌駕し,rtarが規則推薦でRecRuleより高い精度であることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  *学習 ,  タール ,  コミュニティ ,  等級づけ ,  エンドユーザコンピューティング
準シソーラス用語： *エンドユーザ ,  初心者 ,  オンラインサービス ,  モノのインターネット ,  スマートデバイス , 【Automatic Indexing@JST】

著者キーワード (4件)： エンドユーザ開発 ,  トリガーアクションプログラミング ,  ルール推薦 ,  知識グラフ

分類 (2件)： 計算機システム開発  (JD02010R) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： エンドユーザ開発 ,  推奨 ,  学習 ,  知識