胡蓓蓓

（南京大學(xué)信息管理系　江蘇南京　210093）

·信息組織與服務(wù)·

基于規(guī)則的情境感知信息推送架構(gòu)

胡蓓蓓

（南京大學(xué)信息管理系江蘇南京210093）

摘要：

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和移動設(shè)備的廣泛的應(yīng)用，情境感知服務(wù)已經(jīng)成為了近年來一個研究熱點。利用語義網(wǎng)技術(shù)，文章提出了一個基于規(guī)則的情境感知信息推送架構(gòu)。架構(gòu)的核心模塊是一個相關(guān)性判定規(guī)則引擎，能夠通過執(zhí)行不同的規(guī)則集，對系統(tǒng)的行為進(jìn)行配置。定義了基于本體的情境模型組織來自不同信息源的情境信息，并表示出用戶的情境特征。定量的評估結(jié)果表明，該架構(gòu)具有一般性和自適應(yīng)性，能夠為移動警察推送支持其正確行動和決策的信息。

關(guān)鍵詞：

情境感知；信息推送；本體；SPARQL

1　引言

當(dāng)今的移動用戶需要隨時隨地獲取信息，以協(xié)助他們更有效的完成的日?；顒?。網(wǎng)絡(luò)服務(wù)技術(shù)的迅速發(fā)展和移動設(shè)備的廣泛應(yīng)用，極大的提高了為用戶“隨時隨地”提供所需服務(wù)或是信息的能力。同時，用戶對自適應(yīng)的信息服務(wù)的需求也越來越迫切。比如，處理突發(fā)事件的警察需要獲取特定情境下執(zhí)行任務(wù)相關(guān)的信息，以保證他們在快速改變的環(huán)境中能及時做出正確的行動和決策。如何設(shè)計出開發(fā)具有自適應(yīng)性的、情境感知的系統(tǒng)架構(gòu)，已經(jīng)成為迫切需要解決問題。

與室內(nèi)的辦公環(huán)境不同的是，移動用戶的情境特征是由不同類型的變量所決定的。既包括時間、地點和速度這樣可以從傳感器獲得的外部情境，也包括與用戶當(dāng)前活動或是目標(biāo)有關(guān)的內(nèi)部情境。為了能滿足用戶在當(dāng)前情境下的信息需求，面向情境感知的應(yīng)用系統(tǒng)不僅需要及時的感知情境的變化，更重要的該系統(tǒng)要能夠為用戶推送用于支持其進(jìn)行決策的信息。對于處理突發(fā)事件的應(yīng)急人員，其所處的情境具有勢態(tài)演化迅速的特點，因此決策信息的時效性和預(yù)測性顯得尤其重要。進(jìn)行有關(guān)面向移動用戶的情境感知服務(wù)的研究，對于豐富和發(fā)展現(xiàn)有的決策支持系統(tǒng)，具有重要的理論和應(yīng)用價值。

雖然已經(jīng)有大量的研究致力于情境信息的獲取、建模和管理，并將成果應(yīng)用于情境感知服務(wù)，如交通導(dǎo)航和虛擬導(dǎo)游。但是，目前使用最多的情境因素仍然是用戶的位置信息。很少有研究將地理位置與用戶所從事的活動類型這兩方面綜合起來描述情境的特征。此外，根據(jù)我們的文獻(xiàn)調(diào)研，多數(shù)面向突發(fā)事件管理的信息系統(tǒng)，并不能很好的滿足應(yīng)急人員在特定情境下的信息需求，也不能解決如何根據(jù)動態(tài)的情境實時判定出信息相關(guān)性的問題。

本文的研究重點是利用語義網(wǎng)與本體技術(shù)，設(shè)計一個基于規(guī)則的情境感知信息推送架構(gòu)，并依據(jù)此架構(gòu)開發(fā)出能夠根據(jù)用戶情境實時的判定信息相關(guān)性的系統(tǒng)，并以處理突發(fā)事件的警察為應(yīng)用實例，對系統(tǒng)的可配置性和自適應(yīng)性進(jìn)行了評估。

2　情境感知應(yīng)用研究概述

情境（Context）可以定義為：“用來描述一個實體特征的任何信息。這個實體可以看成是與用戶和應(yīng)用程序交互過程相關(guān)的人、地點或?qū)嵨铮òㄓ脩艉蛻?yīng)用程序本身）”。情境既包含能標(biāo)識用戶個人特征的靜態(tài)信息，如性別、年齡、職業(yè)等；也包括能表示用戶所處環(huán)境特征的動態(tài)信息如時間、位置、溫度等。在人機(jī)交互領(lǐng)域，情境也包括用戶的狀態(tài)、心理、經(jīng)驗等內(nèi)部因素，以及用戶的知識結(jié)構(gòu)和選擇交互方式的偏好。對信息系統(tǒng)而言，如何從海量數(shù)據(jù)中篩選出相關(guān)信息，情境起著至關(guān)重要的作用。一般說來，四個比較重要的情境變量包括地點（location），特征（identity），活動（activity）和時間（time）。在本研究中我們著重分析上述四個比較重要的情境因素之間的語義關(guān)系。

情境感知 （Context-aware）通常也被稱為“上下文感知”。上下文感知計算是對設(shè)備、上下文、物理環(huán)境等構(gòu)成的計算環(huán)境進(jìn)行管理、協(xié)調(diào)和調(diào)度，建立實體對象間互操作的基礎(chǔ)，為應(yīng)用開發(fā)提供統(tǒng)一的框架和應(yīng)用程序接口。近年來，有關(guān)情境感知應(yīng)用的研究發(fā)展迅速。由最初基于位置感知的應(yīng)用（location-based services），即考慮用戶所處的地理位置，如智能博物館導(dǎo)覽，發(fā)展到能夠為用戶提供個性化或者增強(qiáng)服務(wù)的人機(jī)交互系統(tǒng)。以智能會議室（smart meeting room）的應(yīng)用為例，當(dāng)系統(tǒng)檢測到有一份重要的電子郵件需要用戶馬上閱讀時，系統(tǒng)應(yīng)該根據(jù)用戶當(dāng)前的情境（開會中）以及用戶所攜帶的移動設(shè)備（如smart phone）做出判斷，將此郵件轉(zhuǎn)發(fā)到手機(jī)上，并通過震動提醒用戶閱讀。如果系統(tǒng)判斷出用戶是單獨待在會議室，就可以選擇語音提示用戶閱讀郵件，并可以由用戶選擇是否顯示在大屏幕上。目前，越來越多的研究關(guān)注于針對大規(guī)模場景建立一個情境感知架構(gòu)，從而對情境數(shù)據(jù)進(jìn)行分類和特征化，以便支持多種類型情境感知的應(yīng)用。如‘BeAware！’的系統(tǒng)原型設(shè)計，可為道路交通管理中的操作人員提供用于決策支持的情境信息，幫助其分析潛在的不利于交通安全的因素，從而及時避免交通事故的發(fā)生。

非常規(guī)突發(fā)事件具有態(tài)勢演化迅速、影響面廣泛的特點。將情境的概念引入傳統(tǒng)突發(fā)公共事件的應(yīng)急管理機(jī)制中，把情境與突發(fā)事件管理相結(jié)合，有助于為應(yīng)急決策提供有效的信息保障。通過對情境演變過程的刻畫、分析，揭示非常規(guī)突發(fā)事件的演變規(guī)律，能夠為應(yīng)急決策模式提供理論指導(dǎo)。目前，發(fā)達(dá)國家的科研機(jī)構(gòu)已經(jīng)在非常規(guī)突發(fā)事件應(yīng)急響應(yīng)的機(jī)制方面進(jìn)行了多年的研究，建立了一些較有影響的應(yīng)急管理系統(tǒng)。在國內(nèi)，隨著突發(fā)公共事件的增多，國家在突發(fā)事件應(yīng)用研究和體系建設(shè)方面已相應(yīng)的設(shè)置了規(guī)劃項目進(jìn)行支持。許多高校和研究機(jī)構(gòu)有關(guān)應(yīng)急管理系統(tǒng)的課題也受到眾多項目的資助。如，2013年度國家社會科學(xué)基金重大項目 “面向突發(fā)事件應(yīng)急決策的快速響應(yīng)情報體系研究”，主要圍繞突發(fā)事件的輔助決策支持，根據(jù)突發(fā)事件信息流的特點，構(gòu)建能夠快速反應(yīng)的情報體系。該文的研究成果可應(yīng)用于快速響應(yīng)情報體系中的信息處理與組織。

3　情境感知信息推送系統(tǒng)架構(gòu)

基于大量用戶實例，我們對目標(biāo)用戶（即應(yīng)對突發(fā)事件的警察）的信息需求進(jìn)行了問卷調(diào)研，并由此歸納出設(shè)計情境感知系統(tǒng)架構(gòu)的基本需求。首先，由于用戶的信息需求與其所處的情境狀態(tài)緊密相關(guān)，需要設(shè)計一個能夠表示出用戶活動、狀態(tài)和當(dāng)前事件關(guān)系的情境模型。其次，系統(tǒng)需要能夠集成和利用來自不同信息源動態(tài)和靜態(tài)的情境，包括來自傳感器的數(shù)據(jù)（sensor data）、數(shù)據(jù)庫中獲取的個人背景信息（personal background information）等。最后，架構(gòu)應(yīng)該能夠支持根據(jù)特定情境實時判斷信息相關(guān)度系統(tǒng)的開發(fā)。

目前大多數(shù)的情境感知架構(gòu)，比如SOCAM（Service-Oriented Context-Aware Middleware），偏重于對情境信息的獲取、解釋和發(fā)現(xiàn)，而并不能很好的解決如何根據(jù)演化的情境，為移動用戶推送能夠支持其活動的相關(guān)信息。依據(jù)從需求調(diào)研中歸納的設(shè)計策略，本文提出了情境感知架構(gòu)CIDA（Contextualized Information Delivery Architecture）。CIDA的主要組件和相互工作的原理如圖1所示：

（1）信息條目庫。該模塊存儲來自不同信息源的信息項。所有的信息項都以RDF數(shù)據(jù)模型進(jìn)行組織，表示出信息中所包含的事實屬性。在對信息進(jìn)行事實抽取、分類后，以RDF三元組的最后模型表示出信息項的重要屬性。具體包括：所報道的事件，事件的發(fā)生地點和時間，與事件有關(guān)的主體，信息的類型和來源。

以一條報告了‘肇事司機(jī)有過激行為’的信息為例，此信息描述的主體（describedObject）是一位叫“Bob”的司機(jī)（身份，identification），涉及一起交通事故 （有關(guān)事件，involved Event）。以上事實可以由兩個RDF三元組表示為：（“AggressiveActionMsg”_:describedObject“Bob”）（“Bob”_:involvedEvent“CarIncident”）。

（2）情境數(shù)據(jù)庫。情境數(shù)據(jù)庫主要對三種類型的情境信息進(jìn)行組織和建模。包括從傳感器和觀測器獲得的已感知的情境（sensed context）；由目標(biāo)用戶指定的情境，如警察在移動設(shè)備上輸入的信息（manually entered context）；以及從以上兩種情境或是已有數(shù)據(jù)庫中推斷出的情境（deduced context）。本文提出了基于本體的情境模型對以上類型的情境進(jìn)行組織，具體將在下文中闡述。

（3）規(guī)則庫。規(guī)則庫包含若干規(guī)則集。在語義網(wǎng)規(guī)則語言SWRL1（Semantic Web Rule Language）的基礎(chǔ)上，為了通過規(guī)則的執(zhí)行，達(dá)到為特定的用戶/消息組（user/message pair）計算累計相關(guān)度值的目的，我們定義了相應(yīng)的規(guī)則語言。一個規(guī)則公理由前提（Body）和結(jié)論（Head）組成；規(guī)則前提定義了一系列的判定條件，當(dāng)判定條件都滿足時，依據(jù)規(guī)則結(jié)論中指定的值，更新相關(guān)信息條目對特定用戶的相關(guān)度。例如，當(dāng)Rule1.1中指定的一系列條件都滿足時，包括信息的類別、所描述的主體，主體和事件的關(guān)系、用戶的任務(wù)與事件的關(guān)系，以及時間的限定，與目標(biāo)事件相關(guān)的導(dǎo)航信息，對于準(zhǔn)備出發(fā)處理事件的用戶來說，其相關(guān)度值增加“5.0”。

Rule 1.1:infoType（？msg，NaviInfo）&describedE-vent（？msg，？event）&isTargetedBy（？event，？user）&engagedIn（？user，？task）&describedLoc（？msg，？loc）&is-DestinationOf（？loc，？user）&inPhaseOf（？user，Departure）&reportTime（？msg，？reportTime）&startTime（？task，？start-Time）&［？reportTime≥？startTime-30m］=＞updateRating（+5.0）

圖1　基于情境感知的信息推送系統(tǒng)架構(gòu)

（4）相關(guān)性評估規(guī)則引擎。規(guī)則引擎RARE（Relevance Assessment Rule Engine）是系統(tǒng)中的關(guān)鍵模塊，它可以通過指定不同的規(guī)則集，對系統(tǒng)的行為進(jìn)行重新配置。RARE在執(zhí)行規(guī)則庫中規(guī)則的同時，考慮存儲在情境數(shù)據(jù)庫中的信息，從而完成了對信息項相關(guān)性進(jìn)行判斷的核心功能。

規(guī)則引擎主要有三個模塊組成：①規(guī)則編譯器 （rule parser），②查詢語言生成器 （query generator）；③查詢語句評估器（query evaluator）。具體來說，規(guī)則編譯器使用JavaCC生成規(guī)則的解析器，從而為查詢語言生成器提供抽象語法樹（AST）。依據(jù)MRRL語法規(guī)則，查詢語言生成器將生成的ASTs轉(zhuǎn)換為SPARQL檢索語句，并將這些語句提供給查詢語句評估器。最后，由查詢語句評估器使用Sesame API執(zhí)行檢索語句。

基于情境感知的信息推送系統(tǒng)架構(gòu)工作流程是：首先，將代表目標(biāo)事件和背景信息的事實存儲在信息條目庫中。其次，根據(jù)RDF數(shù)據(jù)模型，對來自不同信息源的情境信息進(jìn)行組織，并存儲在情境數(shù)據(jù)庫中。然后，當(dāng)有新的情境信息被接收到時，觸發(fā)規(guī)則引擎以便執(zhí)行規(guī)則庫中規(guī)則集。每一條規(guī)則相應(yīng)的被翻譯為SPARQL查詢語句。規(guī)則引擎將所有被執(zhí)行的規(guī)則所指定的相關(guān)度值進(jìn)行累積，為特定用戶/消息組計算出最終的相關(guān)度值。隨后，對在信息條目庫中記錄的相關(guān)度值進(jìn)行更新。最后，依據(jù)相關(guān)度對信息項進(jìn)行排序，相關(guān)度較高的消息將會實時的推送給目標(biāo)用戶。

本文所提出的情境感知架構(gòu)CIDA有兩個重要的特征：其一是能夠利用基于本體的模型表示出用戶所處動態(tài)環(huán)境的情境特征，特別是能揭示出用戶當(dāng)前活動內(nèi)部情境變量之間的語義關(guān)系。其二是自適應(yīng)性?？梢酝ㄟ^指定不同的規(guī)則集對系統(tǒng)的行為進(jìn)行不同的配置，從而達(dá)到適應(yīng)不同情境需求的目的。根據(jù)我們所定義描述性的規(guī)則語言，開發(fā)者只需要花費較少的時間，就可以對規(guī)則集進(jìn)行擴(kuò)展和修改，實現(xiàn)在不同場景和領(lǐng)域中的應(yīng)用。

4　基于本體的情境模型

目前，大多數(shù)的情境模型只注重列舉一些情境概念，如用戶偏好、移動設(shè)備或地點。但是，在構(gòu)建這些情境時，很少有模型能表示出情境變量之間的動態(tài)關(guān)系。我們所提出的基于本體的情境模型，不僅可以突破只考慮時間和地點這些外部情境因素的限制，還能進(jìn)一步揭示出用戶所從事的活動、目標(biāo)事件和相關(guān)主體這些情境變量之間的語義關(guān)系。該模型包含一個一般性的本體和一個領(lǐng)域本體。

（1）一般性的本體。具有通用性的情境本體，可以抽象的表示出移動用戶當(dāng)前情境的上層概念。如圖2所示，一般性的本體定義了包括用戶、時間、地點、事件和任務(wù)在內(nèi)的情境概念。

我們定義的一般性本體可以用來描述移動用戶所處的情境，構(gòu)建的概念可以在不同的應(yīng)用領(lǐng)域進(jìn)行擴(kuò)展和重用。處理突發(fā)事件的警察，往往以管理或是控制某一目標(biāo)事件為目的，并在特定的地點采取活動。因此，用戶所執(zhí)行的任務(wù)是由目標(biāo)事件驅(qū)動的。當(dāng)由于事態(tài)的發(fā)展變化引起用戶所處的情境發(fā)生改變時，情境模型能反應(yīng)出用戶的活動是如何在外界事件的影響下動態(tài)進(jìn)行的，從而實時的表示出用戶的信息需求。

模型中所表示的情境變量的關(guān)系由屬性（predicate）定義。例如，屬性“isTargetedBy”的定義域是“Event”，值域是“User”，表示出了事件和用戶之間‘哪一個事件由誰來處理’的關(guān)系；屬性“isEngagedIn”的定義域是“User”，值域是“Task”，表示出了用戶和任務(wù)之間‘誰在從事哪一項任務(wù)’的關(guān)系；屬性“isLocatedAt”的定義域是“User”，值域是“Location”，表示出了用戶和地點之間‘誰在何處’的位置關(guān)系；以及屬性“happensAt”的定義域是“Event”，值域是“Time”，表示出了事件和時間之間‘何事何時發(fā)生’的時間關(guān)系。

（2）領(lǐng)域本體。為了滿足本文實例分析的需要，我們將一般本體中的概念和屬性具體化，設(shè)計了能夠適應(yīng)于移動警察需求的領(lǐng)域本體。如圖3所示，領(lǐng)域本體為用戶類定義了警察這個子類，并為事件類定義了能夠反映事件緊急程度的屬性。對用戶類的擴(kuò)展還有為其定義了表示警察處于某一特定狀態(tài)的屬性，即‘inPhaseOf’。對相應(yīng)類的擴(kuò)展具體描述為:

①‘User’類有一個命名為‘PoliceOfficer’的子類，以便描述出警察所處的情境狀態(tài)（Phase）。

圖2　情境模型中的一般本體

②‘Event’類有兩個屬性，即‘involvedObject’和‘emergencyLevel’。用這兩個屬性表示出參與事件的主體以及事件的緊急程度。

③‘Task’類在一般本體中有兩個子類，即‘ScheduledTask’和‘DerivedTask’。為了表示出目標(biāo)主體和任務(wù)的類型，在領(lǐng)域本體中為該類定義了兩個屬性：‘targetedObject’和‘taskType’。

④‘Location’類用于描述地理信息。該類在一般本體中的子類包括：‘Country’，‘City’and‘Street’。在領(lǐng)域本體中，更明確的表示出了事件的發(fā)生地（isSpotOf）和用戶的所在地（locatedAt）。還定義了屬性‘isNearby’來描述多個事件間地理位置的關(guān)系。

⑤‘Time’類不僅可以表示事件發(fā)生或是任務(wù)執(zhí)行的即時時間（InstantTime），還可以表示事件和任務(wù)的持續(xù)時間（IntervalTime）。

5　基于規(guī)則的相關(guān)性判定系統(tǒng)評估

為了驗證情境感知架構(gòu)CIDA的有效性，我們開發(fā)了基于規(guī)則的相關(guān)性評定系統(tǒng)，并對系統(tǒng)的可配置性和適應(yīng)性進(jìn)行了評估。

數(shù)據(jù)集和規(guī)則集的定義?；谟脩粽{(diào)研中所使用的交通事故和搶救傷員兩個案例，我們分別構(gòu)建了兩個數(shù)據(jù)集Dc和Dp，分別包含590個和610個RDF三元組，用來描述一系列的消息和情境信息。例如，一條有關(guān)‘目擊者證實司機(jī)Kees在事發(fā)前闖紅燈’的消息如下圖所示：

首先針對數(shù)據(jù)集Dc，定義了包含32條規(guī)則的初始規(guī)則集Rulc。其次為了能適應(yīng)前溯用例的需要，對規(guī)則集進(jìn)行增量式的擴(kuò)展，即將適用于新場景的規(guī)則添加到現(xiàn)有規(guī)則集中，而不對當(dāng)前已有的規(guī)則做改動。因此，數(shù)據(jù)集Dp的規(guī)則集Rulc+p，包含Rulc和20條新增的規(guī)則。

系統(tǒng)配置的策略。對系統(tǒng)進(jìn)行評估的方法是基于不同的數(shù)據(jù)集和規(guī)則集而制定的。首先，評估系統(tǒng)的有效性，將初始規(guī)則集Rulc應(yīng)用到相應(yīng)的數(shù)據(jù)集Dc上。其次，為證實針對用例而制定的規(guī)則集，仍然能使系統(tǒng)適應(yīng)于新的情境，將初始規(guī)則集Rulc應(yīng)用到測試集Dp上。再次，為驗證可以通過對規(guī)則集進(jìn)行擴(kuò)展，使系統(tǒng)行為適應(yīng)前溯用例，將擴(kuò)展后的規(guī)則集Rulc+p應(yīng)用到測試集Dp上。最后，為進(jìn)一步評估出為適用于前溯用例的向新增規(guī)則對后溯用例的影響，規(guī)則集Rulc+p也被應(yīng)用到Dc上。

圖3　情境模型中的領(lǐng)域本體

評估指標(biāo)。針對系統(tǒng)所計算出的依據(jù)相關(guān)性排序的信息，選擇前五條和前十條信息（top-5和top-10），在兩個模式下：（1）寬松的（lenient）和（2）嚴(yán)格的（strict），對系統(tǒng)的查準(zhǔn)率和查全率以及 F-Measure進(jìn)行計算。根據(jù)在需求調(diào)研中的用戶對信息條目相關(guān)性的判定，定義了標(biāo)準(zhǔn)集（gold standard）。具體說來，在嚴(yán)格的（strict）評估模式下 ，我們將相關(guān)度值大于‘+3.5’的信息條目視為正確的信息，并產(chǎn)生了標(biāo)準(zhǔn)集GSstrict；而在寬松的（lenient）評估模式下，將相關(guān)度值不低于‘+2.0’的信息條目視為正確的信息，并產(chǎn)生了標(biāo)準(zhǔn)集GSlenient。

查準(zhǔn)率和查全率以及F-Measure的計算公式定義如下（α∈｛strict，lenient｝，k∈｛5，10｝）:

評估結(jié)果。對系統(tǒng)在不同規(guī)則集和數(shù)據(jù)集上進(jìn)行配置得出的評估結(jié)果如表1所示?？梢钥闯?，系統(tǒng)能達(dá)到0.95的查準(zhǔn)率（P@5，Lenient）和1.00的查全率（R@10，Strict）。具體分析如下，（1）將初始規(guī)則集Rulc應(yīng)用到數(shù)據(jù)集Dc上，查準(zhǔn)率在0.40（P@10，Strict）和 0.95（P@5，Lenient）之間；查全率在 0.51 （R@5，Lenient）和1.00（R@10，Strict）之間。（2）將Rulc應(yīng)用到測試集Dp上，最大的查準(zhǔn)率和查全率可以達(dá)到0.60（P@5，Lenient）和0.75（R@10，Strict）。（3）將擴(kuò)展后的規(guī)則集Rulc+p應(yīng)用到Dp上，查準(zhǔn)率在0.25（P@10，Strict）和0.90（P@5，Lenient）之間；查全率在0.50（R@5，Lenient）和1.00（R@10，Strict）之間。（4）規(guī)則集Rulc+p在后溯用例上仍然可以達(dá)到0.95的查全率（P@5，Lenient）和1.00的查準(zhǔn)率（R@10，Strict）。根據(jù)以上的評估結(jié)果，可以得到以下結(jié)論：

①系統(tǒng)可以為目標(biāo)用戶較為準(zhǔn)確的選擇出滿足用戶特定情境下需求的相關(guān)信息。

②為特定數(shù)據(jù)集所定義的規(guī)則不會只適用于既定的場景，在前溯用例上仍然能夠提供合理的表現(xiàn)。

③通過對規(guī)則集進(jìn)行擴(kuò)展，開發(fā)人員可以較容易的使系統(tǒng)適應(yīng)于新的場景和用例。

④新增加的規(guī)則在提高系統(tǒng)在前溯用例上表現(xiàn)的同時，不會很明顯的影響系統(tǒng)在后溯用例上的結(jié)果。

表1　評估結(jié)果

6　結(jié)語

本文利用語義網(wǎng)與本體技術(shù)，提出了一個具有可擴(kuò)展性的情境感知系統(tǒng)架構(gòu)。能夠支持開發(fā)根據(jù)移動用戶當(dāng)前的情境推送相關(guān)信息的系統(tǒng)。利用一個基于本體的情境模型，表示出用戶的活動任務(wù)、目標(biāo)事件和外部情境因素間的語義關(guān)系。特別的，為了表示出危機(jī)管理中的情境特征，對一般性的情境本體進(jìn)行了擴(kuò)展，定義了領(lǐng)域本體，以適應(yīng)于處理突發(fā)事件的應(yīng)急人員的信息需求。架構(gòu)的核心模塊是一個支持相關(guān)性判定的規(guī)則引擎，可以通過執(zhí)行不同的規(guī)則集，使系統(tǒng)的行為適應(yīng)于不同用例和場景。

為驗證架構(gòu)的有效性，實現(xiàn)了一個基于規(guī)則的系統(tǒng)，可以根據(jù)警察所處的情境判定信息的相關(guān)度。依據(jù)處理小規(guī)模突發(fā)事件的案例，構(gòu)建了用于系統(tǒng)評估的數(shù)據(jù)集和規(guī)則集，計算和分析了系統(tǒng)在不同配置下所能達(dá)到的查全率和查準(zhǔn)率。定量的評估結(jié)果表明，系統(tǒng)能夠根據(jù)警察所處的情境，及時準(zhǔn)確的推送與其執(zhí)行任務(wù)相關(guān)的、用以支持決策的關(guān)鍵信息。而且，開發(fā)者只需花費較少的時間對規(guī)則集進(jìn)行擴(kuò)展，就可以使系統(tǒng)適用于新的用例。

在今后的研究工作中，需要對架構(gòu)CIDA進(jìn)行擴(kuò)展，設(shè)計一個能夠預(yù)測出用戶所處情境狀態(tài)的推理機(jī)制。具體實現(xiàn)一個能夠從物理元件感知情境中推理出邏輯層面情境的模塊，從而使情境感知更好的應(yīng)用于突發(fā)事件預(yù)警中。并且，還需要基于不同應(yīng)用領(lǐng)域的數(shù)據(jù)，對架構(gòu)的自適應(yīng)性和可配置性做進(jìn)一步的評估。

參考文獻(xiàn)：

［1］Mehra P.Context-aware computing:beyond search and location-based services［J］.Internet Computing，IEEE，2012，16（2）: 12-16.

［2］蘇新寧，朱曉峰.面向突發(fā)事件應(yīng)急決策的快速響應(yīng)情報體系構(gòu)建［J］.情報學(xué)報，2014（12）.

［3］Chon J，Cha H.Lifemap:A smartphone-based context provider for location-based services［J］.IEEE Pervasive Computing，2011（2）:58-67.

［4］Glick J A，Barbara J A.Moving from situational awareness to decisions during disaster response:Transition to decision making［J］.Journal of emergency management（Weston，Mass.），2012，11（6）:423-432.

［5］Dey A K，Abowd G D.CybreMinder:A context-aware system for supporting reminders［C］.Handheld and Ubiquitous Computing.Springer Berlin Heidelberg，2000:172-186.

［6］Adomavicius G，Tuzhilin A.Context-aware recommender systems［M］.Recommender systems handbook.Springer US，2011:217-253.

［7］王立才，孟祥武，張玉潔.上下文感知推薦系統(tǒng)［J］.Journal of Software，2012，23（1）.

［8］戴江鵬.移動情境感知的人本普適計算研究［D］.南京：東南大學(xué)，2011.

［9］Bihler P，Imhoff P，Cremers A B.SmartGuide-A smartphone museum guide with ultrasound control［J］.Procedia Computer Science，2011（5）:586-592.

［10］Adomavicius G，Tuzhilin A.Context-aware recommender systems［M］.Recommender systems handbook.Springer US，2011: 217-253.

［11］ 莫同，李偉平，吳中海，等.一種情境感知服務(wù)系統(tǒng)框架［J］.計算機(jī)學(xué)報，2010，33（11）:2084-2092.

［12］Baumgartner N，Retschitzegger W.A survey of upper ontologies for situation awareness［C］.Proc.of the 4th IASTED International Conference on Knowledge Sharing and Collaborative Engineering，St.Thomas，US VI.2006:1-9.

［13］陳祖琴，蘇新寧.基于情景劃分的突發(fā)事件應(yīng)急響應(yīng)策略庫構(gòu)建方法［J］.圖書情報工作，2014，58（19）:105-110.

［14］文劉奕，劉藝，張輝.非常規(guī)突發(fā)事件應(yīng)急管理關(guān)鍵科學(xué)問題與跨學(xué)科集成方法研究［J］.中國應(yīng)急管理，2014（1）：12-17.

［15］ 許有志，楊吉江，王青.基于情境的突發(fā)公共事件應(yīng)急管理系統(tǒng)研究［J］.計算機(jī)與數(shù)字工程，2009，9（37）:133-136.

［16］康偉.突發(fā)事件輿情傳播的社會網(wǎng)絡(luò)結(jié)構(gòu)測度與分析——基于 “11·16校車事故”的實證研究［J］.中國軟科學(xué)，2012 （7）:169-178.

［17］Hu，B.，Hidders，J.，and Cimiano，P.Towards context-based information delivery to police officers:A questionnaire-based requirements elicitation study［C］.Proceedings of the 7th International Conference on Information Systems for Crisis Response and Management，2011：1-6.

［18］Gu T，Wang X H，Pung H K，et al.An ontology-based context model in intelligent environments［C］.Proceedings of communication networks and distributed systems modeling and simulation conference.2004:270-275.

［19］Hu B，Hidders J，Cimiano P.A rule engine for relevance assessment in a contextualized information delivery system［C］. Proceedings of the 16th international conference on Intelligent user interfaces.ACM，2011:343-346.

［20］Strang T，Linnhoff-Popien C.A context modeling survey［C］.Workshop Proceedings，2004.

［21］Bikakis A，Antoniou G.Rule-based contextual reasoning in ambient intelligence［M］.Semantic Web Rules.Springer Berlin Heidelberg，2010:74-88.

［22］王旭坪，楊相英，樊雙蛟，等.非常規(guī)突發(fā)事件情景構(gòu)建與推演方法體系研究［J］.電子科技大學(xué)學(xué)報（社科版），2013 15（1）：22-27.

中圖分類號：

G252.62

文獻(xiàn)標(biāo)識碼：

A

DOI：

10.11968/tsygb.1003-6938.2015071

作者簡介：

胡蓓蓓（1983-），女，南京大學(xué)信息管理學(xué)院博士生。

收稿日期：

2015-05-20；責(zé)任編輯：魏志鵬

A Rule-based Architecture for Contextualized Information Delivery

Abstract

Current web service technologies together with the advances in mobile devices have significantly increased the development of context-aware services.Relying on the Semantic Web technologies,this paper offers a rule-based architecture supporting delivery of contextualized information.The core functionality is fulfilled by the relevance assessment rule engine,which can re-configure the behavior of the system by specifying the different rule sets.It defines an ontology-based context model,which formalizes the context from different information sources and characterizes the contextual situations of mobile users.Qualitative evaluation results that the architecture has the generality and adaptability；thus can assist mobile police to take decisions during their activities.

Key words

context-aware；information delivery；Ontologies；SPARQL