Brukerprofil

En brukerprofil eller bruker modell er et sett av data og metadata basert på en eller flere brukere som påvirker virkemåten til en databehandlingsinnretning . En profil kan forholde seg til en enkelt person, eller til en gruppe mennesker med lignende poeng, som for eksempel medlemmene i en arbeidsgruppe.

Bruker

Noen av dataene i brukerprofilene leveres av brukerne selv for konfigurering av programvaren og applikasjonene de bruker. Andre kommer fra kollektiv bruk av datasystemer koblet i et nettverk. Brukerprofilen kan spesielt inneholde språkinnstillinger. Men brukerprofilen kan være mye bredere, og inneholde boolske preferanser som kan føre til differensiert behandling og være et resultat av sannsynlige beregninger ved bruk av for eksempel Bayesiske nettverk.

Brukerprofiler brukes i samarbeidsprogramvare som operativsystemer , databasestyringssystemer , søkemotorer eller nettsteder som selges online .

System- og applikasjonsprogramvarekonfigurasjon

I Windows- operativsystemer inneholder en brukerprofil personlige innstillinger som brukes på skrivebordsmiljøet for den brukeren; for eksempel bokmerker i nettleseren, nettverkstilkoblinger, skriverinnstillinger, e-postkontoer eller personlige dokumenter. En systemadministrator kan opprette kollektive profiler som gjelder for en gruppe mennesker. Profilene kan være mobile (engelsk roaming ), i så fall vil de bli brukt på hver datamaskin som brukeren håndterer. En lignende funksjon finnes i GNOME- skrivebordsmiljøet .

I IBM AS 400- hoveddatamaskiner brukes brukerprofiler for eksempel til å definere operasjonene som er autorisert for en bruker, det første programmet som blir presentert for ham og språket i meldingene. Hver enkelt brukerprofil kan knyttes til en gruppeprofil - kollektivprofil.

Konfigurasjon innenfor en kollektiv tjeneste

Profiler brukes for eksempel for å gi tilgang til visse programmer som er reservert for en sektor av organisasjonen (markedsføring, økonomi, menneskelige ressurser). For å forenkle håndteringen tildeles slike tillatelser til grupper av mennesker i stedet for individuelt.

I Oracle Database- programvare brukes brukerprofiler for å begrense mengden maskinvareressurser. Hver profil kan tilordnes til flere brukere og tillater for eksempel å begrense bruken av prosessoren, varigheten av øktene eller lengden på passord.

Automatisk profilering på internett

Forskningsarbeid pågår for å forbedre relevansen av resultatene gitt av søkemotorer i henhold til brukerprofilen. I slike applikasjoner vil brukerprofilen inneholde en tabell for beregning av poeng beregnet på å justere resultatene til forventningene til en bruker: søkemotoren viser først resultatene som oppnår høyest poengsum.

Den IP-adresse , for eksempel, kan bli anvendt for slik profilering

Innholdet i en profil

I tillegg til grunnleggende legitimasjon (for eksempel brukernavn eller sivilstatuselementer ), kan brukerprofilen gruppere et bredt utvalg av informasjon etter behov.

Blant dem :

Den brukerprofilen kan derfor inneholde sensitiv informasjon som bør

Den konteksten av interaksjonen er en forlengelse av brukerprofilen. Den inneholder tilleggsinformasjon som gir bedre tilpasning til det lokale miljøet (for eksempel størrelsen på skjermen, tilgjengeligheten av lydutgang osv.)

Representasjon

De data for brukerprofilen er representert på en annen måte etter behov. Generelt lagres de i en tabell i form av attributtverdipar der hvert par representerer en egenskap for profilen. Eiendommene kan valgfritt grupperes etter kategorier.

Verdier kan være av hvilken som helst type (numerisk, alfanumerisk), men de kan også lagre sannsynlighetsfordelinger (for adaptive tjenester).

Oppkjøp

I henhold til graden av tilpasning av systemet, kan dataene til brukerprofilen fylles ut av:

Det er også mulig å starte fra en eksisterende profil og bruke den som en prototype. I dette tilfellet kan prototypen kopieres for tilpasning. Dette gir fordelen med å ha typisk informasjon og raffinere den mens du går.

Eksempel på brukerprofil

Vi kan ta eksemplet på Wikipedia for å illustrere dette konseptet.

Hver registrert bidragsyter kan lenkes til:

Mozilla programvareprofil

I de forskjellige Mozilla- familieprogramvarene (den opprinnelige versjonen av Mozilla , deretter Firefox , Thunderbird , Sunbird , etc.), er profilen katalogen som inneholder programvarekonfigurasjonsfilene. Dette gjør det enkelt å flytte en brukerkonto fra en datamaskin, disk eller katalog til en annen.

Hver av disse programvarene bruker en profilbehandling, som bare kan brukes hvis selve programvaren ikke har en pågående prosess . Navnene og plasseringene til de forskjellige profilene er oppført i en fil med navnet Prefs.js , som programvaren refererer til ved hver oppstart.

nettprofilering

Profilen til en bruker kan gis av hans online identitet . Profilen til en anonym bruker kan også konstrueres ved hjelp av nettlesingshistorikk: Ettersom enkeltpersons nettbruk er unikt, gir det seg en måte å identifisere en ukjent bruker å matche profilen til nettbruken til kjente eksempler.

Brukerprofilering er også en viktig aktivitet på Semantic Web . For eksempel kan brukerprofilering knyttes til nettleserloggen og interessepunkter. Det kan spesielt ta hensyn til domenenavnene til de besøkte nettstedene, og nøkkelordene til en side for å knytte dem til ontologier .

For å bygge en brukerprofil, blant annet informasjon, kan antall sider som er sett av brukeren og visningstid på sidene til hvert domene, spesielt brukes.

Brukerprofilering har blitt brukt i sammenheng med e-handel og personaliserte systemer. Brukerprofilering lar informasjon filtreres på grunnlag av innhold, eller på samarbeidsbasis.

Et søk kan også tilpasses ved hjelp av individuelle klikkhistorikkdata for å modellere søkeinnstillinger i en ontologisk brukerprofil. Denne profilen når den er innlemmet, lar deg omorganisere søkeresultatene for å gi en personlig oversikt.

Eksperimenter har brukt brukeradferd, spesielt beslutningen om å fortsette å surfe på nettstedet eller forlate det, og hvor lang tid hver side blir vist under et nettbesøk.

Andre eksperimenter brukte brukeratferd for å forutsi alder og kjønn, ved å kryssjekke nettleserhistorikken til personer hvis alder og kjønn ikke var kjent, med navigasjonshistorikken til personer hvis alder og kjønn var kjent, gjennom en Bayesian- modell .

Se også

Relaterte artikler

Tekniske aspekter

Referanser

  1. (no) Office of Government Commerce, Introduksjon til ITIL-tjenestens livssyklus , The Stationery Office - 2010, ( ISBN  9780113311316 )
  2. (in) (Wahlster og Kobsa 1986) og W. Wahlster Kobsa A., dialogbaserte brukermodeller. I Proceedings of IEEE, Vol. 74 (7), s.  948-960 , 1986.
  3. Lynda Tamine, Wahiba Bahsoun, Definisjon av en flerdimensjonal brukerprofil: Mot en teknikk basert på samspillet mellom dimensjoner, Proceedings of the Francophone Conference in Information Research and Applications (CORIA 2006), Lyon: Frankrike (2006) [1]
  4. Lynda Tamine-Lechani, Nesrine Zemirli, Wahiba Bahsoun, Statistisk tilnærming for å definere profilen til en bruker for informasjonssøking, HAL (2009), les online
  5. (in) Rand Morimoto, Michael Noel Omar Droubi, Ross Mistry, Chris Amaris, Windows Server 2008 Unleashed , Sams Publishing - 2008 ( ISBN  9780672329302 )
  6. (in) John Andrews, A + Guide to Managing and Maintenance Your PC , Cengage Learning - 2006 ( ISBN  9780619217587 )
  7. (in) Richard Petersen, Red Hat Enterprise Linux 5 Administration Security Desktop , Surfing Turtle Press - 2008 ( ISBN  9780982099803 )
  8. (in) Carol Woodbury, Patrick Botz, ekspertguide til OS / 400 og I5 / os sikkerhet , System iNetwork - 2004 ( ISBN  9781583040966 )
  9. (i) Sam R. Alapati, Expert Oracle Database 10g Administration , Apress - 2005 ( ISBN  9781430200666 )
  10. (in) Paul De Bra, Alfred Kobsa David Chin, User Modelling, Adaptation, and Personalization: 18th International Conference, UMAP 2010, Big Island, HI, USA, 20-24 June, 2010 , Springer - 2010 ( ISBN  9783642134692 )
  11. https://www.priv.gc.ca/media/1768/ip_201305_e.pdf
  12. (Jameson 1999) Jameson A., User Adaptive Systems En integrert oversikt. Opplæring presentert på den 7. internasjonale konferansen om brukermodellering, 20.-24. Juni 1999.
  13. (en-US) Michael Mandiberg , “  Mapping Wikipedia  ” , på Atlanterhavet ,23. februar 2020(åpnet 19. november 2020 )
  14. Detaljer: Geckozone - Profilansvarlig
  15. Xiao-Xi Fan, Kam-Pui Chow, Fei Xu. Webbrukerprofilering basert på nettlesingsatferdsanalyse. Gilbert Peterson; Sujeet Shenoi. 10. IFIP International Conference on Digital Forensics (DF), jan 2014, Wien, Østerrike. Springer, IFIP Advances in Information and Communication Technology, AICT-433, s. 57-71, 2014, Advances in Digital Forensics X. <10.1007 / 978-3-662-44952-3_5>. <hal- 01393760> https://hal.inria.fr/hal-01393760/document
  16. http://ceur-ws.org/Vol-137/09_grcar_final.pdf
  17. M. Grcar, D. Mladenic og M. Grobelnik, bruker profilering for web, informatikk og informasjonssystemer, Vol.3 (2), pp.1-29 2006
  18. N. Fathy, N. Badr, M. Hashem og T. Gharib, Forbedring av nettsøk med semantisk identifikasjon av brukerpreferanser, International Journal of Computer Science Issues, vol. 8 (6), s. 62–69,2011
  19. R. Bucklin og C. Sismeiro, En modell av nettstedet surfing oppførsel estimert på clickstream data, Journal of Marketing Research, vol, 40 (3), s. 249–267, 2003.
  20. J. Hu, H. Zeng, H. Li, C. Niu og Z. Chen, Demografisk prediksjon basert på brukerens surfing oppførsel, Proceedings of sekstende internasjonale konferansen på World Wide Web, s. 151-160,2007

Eksterne linker