Kullanıcı ilgi kaymasını tespit etmek için gelişmiş bağlam bilinçli bir yöntem: Metodoloji, istatistiksel analiz ve ampirik değerlendirme

Modern veri odaklı sistemler, çokça akışkan veriler üzerinde çalışmaktadır. Bu tür ortamlarda, verinin istatistiksel özellikleri dışsal olaylar, bağlamsal faktörler ve sistem dinamiklerine bağlı olarak değişebilmektedir. Literatürde kavram kayması olarak adlandırılan bu olgu, öneri sistemleri gibi kontrollü bir ortamın dışında olan sistemler için bir zorluk olarak kabul edilmektedir. Kavram kaymasının görece az incelenmiş bir alt türü olan kullanıcı ilgi kayması, kullanıcı merkezli uygulamalarda büyük önem taşımaktadır; kullanıcı davranışındaki değişimlere gecikmeli/ hatalı uyum sağlanması, sistem performansında ciddi düşüşlere yol açabilmektedir. Literatüde bağlamsal bilgiye önem veren istatiksel bir çalışmanın eksiliği öngörülmüş olup, bu eksikliği gidermeyi amaçlayarak, bağlamsal bilgilerin, örneğin; günün saati, açık entegrasyonuna dayanan, istatistiksel temelli yeni bir yöntem olan C-IDDM (Context-Aware Interest Drift Detection Method) önerilmiştir. Önerilen yöntem, bağlamsal metin akışlarından elde edilen kullanıcı davranışlarını dağılımsal temsiller aracılığıyla modellemekte ve kullanıcı tercihlerindeki değişimleri, dağılım varsayımı gerektirmeyen, permütasyon temelli istatistiksel testler yardımıyla tespit etmektedir. Yöntemin etkinliği, Last.fm müzik dinleme veri seti ile kontrollü kayma senaryoları içeren sentetik akış verileri ile değerlendirilmiştir. Elde edilen karşılaştırmalı sonuçlar, C-IDDM'in bağlamdan bağımsız bir temel yönteme ve klasik akış tabanlı kayma algılama yöntemlerine kıyasla, özellikle bağlama bağlı kayma senaryolarında,s daha düşük yanlış alarm oranları ve daha yüksek bağlam saflığı sağladığını göstermektedir.