由个人数据存储驱动的日常语境自适应呈现

智能环境有望使广播公司能够开发“情境自适应内容呈现”技术，通过该技术，环境中的异构智能和物联网（IoT）设备协同工作，根据用户的情境自主选择和呈现适当的内容。但是单个广播公司很难在异构的用户环境中实现所有功能，需要一种松散耦合的机制，使不同制造商和服务提供商开发的设备和软件能够以各种组合灵活地工作。本文设计了一种系统架构，通过利用语境识别和个人数据存储，根据用户的即时情况实现内容呈现，并确认了其可行性。

来源：IBC2023
题目：DAILY CONTEXT-ADAPTIVE PRESENTATION DRIVEN BY PERSONAL DATA STORE
作者：Hiromu Ogawa, Kinji Matsumura, Hiroshi Fujisawa
原文链接：https://www.ibc.org/technical-papers/ibc2023-tech-papers-daily-context-adaptive-presentation-driven-by-personal-data-store/10292.article
内容整理：李雨航

引言

在当今互联网环境下，由于个人获取信息的高度个性化，某些用户可能很少获取一些本应被广泛共享的信息，例如与社会相关的公共和政治话题，导致用户之间对某些事件的认知水平不等，而这可能导致公众舆论的分裂。广播公司主要通过广播传输各种信息，但由于人们信息接触方式的改变，仅通过广播很难充分传播这些信息。因此，本文站在广播公司的立场，试图探索如何扩展广播服务平台，提高服务的便利性，从而增加向用户展示信息的机会。

一种可能的方法是使用物联网（IoT）和智能设备来进行传播。由物联网构造的智能环境可以使用户以最少的努力以个性化的方式获得服务。假如我们的生活环境以这种方式发生变化，广播公司就可以让他们的服务比今天更容易、更广泛地被用户使用。例如，假设用户在客厅的电视上观看视频，但中断了观看并移动到另一个房间。如果智能环境检测到用户的移动并自动在设备上的新位置继续播放视频，就可以鼓励用户继续观看。再例如，用户在做某些日常活动（例如刷牙）时感到无聊，通过检测此类用户请求并通过附近的设备（例如智能镜子或通信机器人）呈现内容（例如最新消息），系统可以激励用户在做这些日常活动时观看内容。这有助于广播公司向观众提供有关公共利益的信息，从而更好的履行其职能。

而广播公司目前面临的挑战是，构建这样一个复杂系统，该系统需要几个复杂的程序：基于物联网传感器数据的事件检测、当前情况的估计、选择适当的呈现方法以及通过智能/物联网设备的协调控制进行呈现。对于单个广播公司来说，在异构用户环境中实现所有功能是不切实际的。因此，需要一种松散耦合的机制，使不同制造商和服务提供商开发的设备和软件能够以各种组合灵活地工作。

该团队设计了一种“情境自适应内容呈现”系统架构，利用知识驱动的情境识别和个人数据存储（PDS）来实现根据用户的即时情境进行内容呈现。

本研究中提出的内容呈现的语境自适应方法是作为基于 Web 的广播媒体的技术之一。

方法

基于 WEB 的广播媒体

由个人数据存储驱动的日常语境自适应呈现 | IBC2023 — 图1 基于 Web 的媒体的技术配置

该团队提出了基于网络的广播媒体，作为一种结合广播和网络技术的新媒体形式。这种新方法旨在将广播公司拥有的信息传递给各种环境中的用户，而 Web 提供了一个统一的应用程序平台，可在许多不同的环境中使用。通过将广播和网络技术相结合，广播公司可以在更广泛的环境中提供其内容。这可能涉及将 Web 功能整合到广播服务中，或创建包含广播技术的 Web 服务。该团队目前正在研究和开发几种基于网络的广播媒体技术。这些技术可分为三大类（如图 1）：查看应用技术、内容和数据处理技术以及云原生内容分发技术。

正如本文所讨论的，语境自适应呈现是基于网络的广播媒体要实现的服务形式之一，在研究和开发中，该团队还研究了其它与语境自适应呈现密切相关的技术。

日常语境自适应呈现系统

语境自适应内容呈现系统的架构如图 2 所示。

概述

该系统由物联网/智能传感器和内容呈现设备组成，此外还使用了在云端和 PDS 中实现的多个功能。其主要功能是根据传感器值估计用户所处的语境，并通过估计语境的日志和其他服务的使用日志来确定要呈现的内容以及方法。

语境分为两类，低阶语境和高阶语境。低阶语境定义为可直接从传感器值估计的语境。例如“走路”或“打开咖啡机”。此后，低阶语境将被称为“事件”。高阶语境被定义为由多个低阶语境序列组成的语境，例如“休息一下”。此后，高阶语境将称为“语境”。事件的值在事件本体中定义，事件和语境之间的关系在语境本体中定义。

语境自适应呈现的过程大致可分为三个步骤：

（a）传感器根据传感器值检测事件
（b）语境估计部分基于一系列事件估计语境
（c）内容呈现应用程序根据语境决定内容呈现方法。

每个功能部分都通过 PDS 交换数据，事件和语境数据基于事件和数据本体以机器可读的方式构建，因此，每个功能部分都获得了对要交换的数据的共同理解。

系统配置

系统各部分的名称和功能如下：

传感器：感知环境，包括用户行为。
事件检测器：根据传感器值检测相应的低阶语境。这些单元根据事件本体中包含的词汇来检测事件。
PDS 日志寄存器：根据事件本体构建事件检测器检测到的事件，并将它们注册到 PDS 中（标注显示 PDS 日志注册器要在 PDS 中注册的数据的粗略图像。实际上，这里交换的数据是用语义网络符号编写的，例如 JSON-LD；但图中省略了详细信息。
PDS：维护传感器检测到的事件日志。它还存储语境估计器估计的语境日志和其他服务的使用日志。假设每个用户都有一个PDS，并且聚合了用户使用的各种传感器和服务的日志。
语境估计器：聚合每个传感器检测到的事件日志和环境信息。环境信息是关于传感器安装状态的补充信息，包括传感器的类型及其位置。然后，它通过引用一系列事件和语境本体来估计当前执行的高阶语境。检测到的语境在 PDS 中被结构化并注册（标注显示语境数据的近似图像）。
呈现设备：显示内容、具有 Web 浏览器并可以运行 Web 应用程序的设备。
PDS 日志获取器：监视语境日志中的更新，并在有更新时从 PDS 获取预先指定的其他服务的语境和使用情况日志。假定语境和其他服务使用日志是结构化的。
内容呈现者：根据 PDS 日志获取者获取的语境和其他服务使用日志，确定要呈现的内容和呈现方式，此时，引用语境本体来解释语境日志。

如前所述，该团队将语境分为两个阶段：事件（或低阶语境）和语境（或高阶语境），并将这两个阶段之间的关系描述为外部本体。事件检测器根据传感器值检测事件，而语境估计器估计事件的语境。内容呈现者根据来自其他服务的语境和使用日志决定如何呈现内容。每个功能模块的输入/输出都是根据事件/语境本体设置的。通过以这种方式松散耦合每个功能部分，内容呈现者可以根据估计的语境来呈现内容，而无需有关语境估计器的详细处理的信息。

PDS 配置为以集中方式将其他服务的语境和使用日志合并为结构化数据。PDS日志获取部分对PDS中语境数据的更新进行监控，当有更新时，获取用户事先指定或授权的服务语境和使用日志，并决定如何呈现信息。语境日志的结构遵循更高阶的语境本体。通过这种方式，就可以根据用户的语境和各种服务的使用日志来做出内容呈现决策。

实验

为了评估设计的有效性，构建了所提出的系统架构的一些功能的原型。具体来说，该团队假设了引言中描述的典型服务场景。

验证方案

图 3 说明了验证方案。假设用户 A、B 和用户 A 的朋友在各自的家中。用户 A 在客厅里有一台电视，一台物联网咖啡机，在厨房里有一个智能显示器。这些电视可以注册观看语境和内容的日志，物联网咖啡机可以为每个 PDS 注册开关操作日志。智能显示器可以在浏览器中运行 Web 应用程序。用户 A 佩戴了一个物联网传感器，该传感器可以识别低阶环境，包括步行。用户 B 的客厅里也有一台电视，用户 B 允许用户 A 查看他们的电视观看日志。具体场景流程如下。（S1）最初，用户 A 在客厅观看程序 1。（S2）此时，用户 A 停止观看程序 1 并移动到厨房。（S3）接下来，用户 A 打开厨房里的 IoT 咖啡机。（S4）然后，在厨房智能显示屏上运行的呈现应用程序会自动继续程序 1。（S5）接下来，用户 B 开始在用户 B 家中的电视上观看节目 2。（S6）然后，在用户 A 家中的智能显示屏上，显示用户 B 已开始观看节目 2 的事实以及鼓励用户观看节目的消息。

原型配置

在所提出的系统架构中，该团队使用 PDS 实现了在每个功能部件之间交换数据的过程。内容呈现器作为 Web 应用程序实现，并在 PC 浏览器上运行。PDS 服务器是基于 Solid 规范在云上实现的，PDS 日志寄存器/获取器是使用 Inrupt 开发的库实现的。

数据处理流程

图 4 说明了上一节中描述的验证场景的原型系统配置和系统的数据处理流程。（S1）用户 A 在客厅看完电视，正准备搬进厨房。此时，假设电视已将其观看历史记录写入用户 A Pod 的观看日志存储中。还假设事件“电视打开”是由语境估计器通过 PDS 获得的。（S2）从这种状态开始，用户 A 开始进入厨房。（S2-P1型）然后，IoT 传感器检测用户“移动”的事件，并将此事件写入 PDS 中的事件日志文件。（S2-P2型）接下来，PDS 通知语境估计器数据已写入事件日志。（S2-P3）接下来，语境估计器从 PDS 获取事件日志文件，并发现事件“移动”已发生。（S3）接下来，用户 A 到达厨房并打开咖啡机。（S3-P1）然后，物联网咖啡机将事件“咖啡机已打开”写入PDS，（S3-P2）PDS通知语境估计器，（S3-P3）语境估计器获取事件日志文件。（中三至小四）接下来，语境估计器根据“电视打开”、“移动”和“咖啡机打开”事件序列估计用户 A 即将“休息”。（中三至小五）接下来，语境估计器将估计结果写入语境日志文件。（S3-P6）接下来，PDS 通知智能显示器有关日志文件更新的信息。（S3-P7）接下来，智能显示器获取日志文件，并发现当前语境正在“休息”。随后，呈现引擎在休息期间为用户确定适当的内容呈现方法。表示方法的选择取决于表示引擎的实现。在此实现中，用户可以选择继续观看用户已观看的内容。然后，呈现引擎从 PDS 中检索观看日志，检查视频中断的时间，并连续播放视频。当（S5）用户 B 开始在用户家中看电视时，也会发生类似的过程。细节被省略。

验证

基于以上描述的数据处理流程，该团队检查了在物联网咖啡机检测到事件后，以及语境估计器进行语境估计后，程序 1 是否在智能显示屏上播放。最终确认了所提出的系统的数据处理流程的有效性，因为节目 1 是从播放被电视中断时播放的。

结论

本研究首先对基于网络的广播媒体进行了概述。基于 Web 的广播媒体旨在实现“以用户为中心的媒体体验”，在这种体验中，将单独优化的内容交付给任何环境中的用户。

接下来，该团队提出了一种系统架构，使广播公司能够在智能环境中实现基于 Web 的广播媒体所需的语境自适应内容呈现。该系统利用对低级/高级语境的了解，使广播公司能够实现语境自适应呈现，而无需执行复杂的语境估计。最后，该团队对一个典型的内容呈现场景进行了原型设计，并验证了所提出的架构。证明了服务提供商（包括广播公司）无需在用户环境中安装复杂的语境估计系统即可实现语境自适应服务的可能性。