SlideShare una empresa de Scribd logo
1 de 20
Descargar para leer sin conexión
Sistema de Consulta Flexible Utilizando
Dispositivos Móviles.

Aplicación a la Búsqueda de Restaurantes.




                 José Enrique Pons Frías y Amparo Vila
                       {jpons,vila}@decsai.ugr.es

          IdBis Intelligent Databases and Information Systems
   Departamento de Ciencias de la Computación e Inteligencia Artificial
                         Universidad de Granada
Estructura de la presentación



1. Motivación.
2. Conceptos Básicos.
 1. Bases de Datos Difusas.
 2. Perfiles de Usuario.
3. Propuesta.
4. Conclusiones.
Motivación


Expansión de la computación móvil.
Teléfonos con GPS y conexión a Internet.

Uso habitual del móvil para búsqueda de lugares de
 interés.
Motivación 2



Novedad: Ajuste de los resultados de una búsqueda
 a las preferencias del usuario.

El usuario define el significado de conceptos como
 cerca / lejos o barato / caro.
Conceptos Básicos



Herramientas utilizadas:
1.Base de datos de restaurantes.
2.Perfil de usuario definido con tipos de datos
   difusos.
3.Método de agregación de resultados.
Tipos de datos difusos


Utilizamos el modelo GEFRED:
1. Datos tradicionales (crisp) con posibilidad de
   consulta flexible.
2. Datos difusos con un referencial ordenado. Ej:
   Precio de un restaurante.
3. Datos difusos con un referencial no ordenado. Ej:
   Tipo de cocina de un restaurante.
Tipos de datos difusos

Tipo 1: Datos tradicionales (numéricos) con
 posibilidad de consulta flexible.




0      15
                              Precio medio
                              de un restaurante (€)
Tipos de datos difusos

 Tipo 1: Datos tradicionales (numéricos) con
  posibilidad de consulta flexible.


Posibilidad

1




0             15
                               Precio medio
                               de un restaurante (€)
Tipos de datos difusos

 Tipo 1: Datos tradicionales (numéricos) con
  posibilidad de consulta flexible.

                                   1.El usuario define precio barato como
Posibilidad                        una distribución de posibilidad.
                                   2.Aplicamos un operador de igualdad difuso.
    Precio barato                  3.Obtenemos un grado de cumplimiento
1
                                   para este restaurante.




0             15
                    Precio medio
                    de un restaurante (€)
Tipos de datos difusos
 Tipo 2: Datos sobre un referencial ordenado.
 Se definen distribuciones de posibilidad.
 Se asocian etiquetas lingüísticas a dichas
  distribuciones.
Posibilidad
    Barato                Precio medio         Caro
1




0             16     18              24   26
                                                      Precio medio
                                                      de un restaurante (€)
Tipos de datos difusos
Tipo 3: Datos sobre un referencial no ordenado.
    Solo se puede aplicar la igualdad difusa.
                 Pizzería   Hamburguesería Comida   Comida
                                           china    Rápida
Pizzería            1             0          0        ,6

Hamburguesería      0             1          0        ,8
Comida china        0             0          1        ,4

Comida Rápida       ,3           ,6          ,4       1
Perfil de Usuario
Elementos del perfil:
● Definición de las etiquetas [Tipo 2]: cerca, media y

   lejos.
● Peso de la distancia en el grado total.

● Definición de las etiquetas [Tipo 2]: barato, medio

   y caro.
● Peso del precio en el grado total.

● Otros   servicios: Si el restaurante cuenta con
   bodega, si está acondicionado para niños...etc.
Propuesta




1. Arquitectura del sistema.
2. Resolución de consultas.
3. Caso de uso.
Arquitectura del sistema
Arquitectura cliente – servidor:
Arquitectura del sistema 2
Proceso de compilación en superwaba:




En el dispositivo, instalamos un intérprete de .pdb.
Con un sólo código objeto podemos ejecutar en
 cualquier plataforma.
Resolución de Consultas


1. Especificación de las preferencias del usuario.
   (Preferencias y pesos).
2. Evaluación de la consulta respecto de cada
   preferencia.
3. Agregación: Obtención de un grado de
   cumplimiento global para cada restaurante.
Evaluación de la consulta
La consulta se especifica con un vector de
 preferencias y un vector de pesos:



Una vez evaluados individualmente          cada
 preferencia, se agregan los resultados:
Caso de uso
Perfil de usuario.
 Precio: barato, medio y caro.   Distancia: cerca, media y lejos.
Conclusiones y trabajo futuro

La búsqueda flexible con preferencias es útil y
 factible en dispositivos móviles.

La implementación proporcionada es
 multiplataforma.

Como trabajo futuro:
● Extender la consulta con preferencias a otros

   ámbitos con un dispositivo móvil.
● Obtener información de diferentes fuentes.
¡Gracias!

        Web del proyecto:
http://code.google.com/p/mje-pda/

Más contenido relacionado

Más de José Enrique Pons

Generalised fuzzy types and querying.Implementation within the Hibernate Fram...
Generalised fuzzy types and querying.Implementation within the Hibernate Fram...Generalised fuzzy types and querying.Implementation within the Hibernate Fram...
Generalised fuzzy types and querying.Implementation within the Hibernate Fram...José Enrique Pons
 
A Fuzzy Valid-Time Model for Relational Databases Within the Hibernate Framework
A Fuzzy Valid-Time Model for Relational Databases Within the Hibernate FrameworkA Fuzzy Valid-Time Model for Relational Databases Within the Hibernate Framework
A Fuzzy Valid-Time Model for Relational Databases Within the Hibernate FrameworkJosé Enrique Pons
 
Possibilistic evaluation of fuzzy temporal intervals
 Possibilistic evaluation of fuzzy temporal intervals Possibilistic evaluation of fuzzy temporal intervals
Possibilistic evaluation of fuzzy temporal intervalsJosé Enrique Pons
 
A possibilistic Valid time model
A possibilistic Valid time modelA possibilistic Valid time model
A possibilistic Valid time modelJosé Enrique Pons
 
A possibilistic Valid Time Model
A possibilistic Valid Time ModelA possibilistic Valid Time Model
A possibilistic Valid Time ModelJosé Enrique Pons
 
Uses of fuzzy temporal databases on Information Systems
Uses of fuzzy temporal databases on Information SystemsUses of fuzzy temporal databases on Information Systems
Uses of fuzzy temporal databases on Information SystemsJosé Enrique Pons
 
An open source framework for fuzzy representation and querying in fuzzy datab...
An open source framework for fuzzy representation and querying in fuzzy datab...An open source framework for fuzzy representation and querying in fuzzy datab...
An open source framework for fuzzy representation and querying in fuzzy datab...José Enrique Pons
 

Más de José Enrique Pons (8)

Generalised fuzzy types and querying.Implementation within the Hibernate Fram...
Generalised fuzzy types and querying.Implementation within the Hibernate Fram...Generalised fuzzy types and querying.Implementation within the Hibernate Fram...
Generalised fuzzy types and querying.Implementation within the Hibernate Fram...
 
A Fuzzy Valid-Time Model for Relational Databases Within the Hibernate Framework
A Fuzzy Valid-Time Model for Relational Databases Within the Hibernate FrameworkA Fuzzy Valid-Time Model for Relational Databases Within the Hibernate Framework
A Fuzzy Valid-Time Model for Relational Databases Within the Hibernate Framework
 
Possibilistic evaluation of fuzzy temporal intervals
 Possibilistic evaluation of fuzzy temporal intervals Possibilistic evaluation of fuzzy temporal intervals
Possibilistic evaluation of fuzzy temporal intervals
 
A possibilistic Valid time model
A possibilistic Valid time modelA possibilistic Valid time model
A possibilistic Valid time model
 
Fuzzy Temporal Databases
Fuzzy Temporal DatabasesFuzzy Temporal Databases
Fuzzy Temporal Databases
 
A possibilistic Valid Time Model
A possibilistic Valid Time ModelA possibilistic Valid Time Model
A possibilistic Valid Time Model
 
Uses of fuzzy temporal databases on Information Systems
Uses of fuzzy temporal databases on Information SystemsUses of fuzzy temporal databases on Information Systems
Uses of fuzzy temporal databases on Information Systems
 
An open source framework for fuzzy representation and querying in fuzzy datab...
An open source framework for fuzzy representation and querying in fuzzy datab...An open source framework for fuzzy representation and querying in fuzzy datab...
An open source framework for fuzzy representation and querying in fuzzy datab...
 

Sistema de consulta flexible utilizando dispositivos móviles. Aplicación a la búsqueda de restaurantes.

  • 1. Sistema de Consulta Flexible Utilizando Dispositivos Móviles. Aplicación a la Búsqueda de Restaurantes. José Enrique Pons Frías y Amparo Vila {jpons,vila}@decsai.ugr.es IdBis Intelligent Databases and Information Systems Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Granada
  • 2. Estructura de la presentación 1. Motivación. 2. Conceptos Básicos. 1. Bases de Datos Difusas. 2. Perfiles de Usuario. 3. Propuesta. 4. Conclusiones.
  • 3. Motivación Expansión de la computación móvil. Teléfonos con GPS y conexión a Internet. Uso habitual del móvil para búsqueda de lugares de interés.
  • 4. Motivación 2 Novedad: Ajuste de los resultados de una búsqueda a las preferencias del usuario. El usuario define el significado de conceptos como cerca / lejos o barato / caro.
  • 5. Conceptos Básicos Herramientas utilizadas: 1.Base de datos de restaurantes. 2.Perfil de usuario definido con tipos de datos difusos. 3.Método de agregación de resultados.
  • 6. Tipos de datos difusos Utilizamos el modelo GEFRED: 1. Datos tradicionales (crisp) con posibilidad de consulta flexible. 2. Datos difusos con un referencial ordenado. Ej: Precio de un restaurante. 3. Datos difusos con un referencial no ordenado. Ej: Tipo de cocina de un restaurante.
  • 7. Tipos de datos difusos Tipo 1: Datos tradicionales (numéricos) con posibilidad de consulta flexible. 0 15 Precio medio de un restaurante (€)
  • 8. Tipos de datos difusos Tipo 1: Datos tradicionales (numéricos) con posibilidad de consulta flexible. Posibilidad 1 0 15 Precio medio de un restaurante (€)
  • 9. Tipos de datos difusos Tipo 1: Datos tradicionales (numéricos) con posibilidad de consulta flexible. 1.El usuario define precio barato como Posibilidad una distribución de posibilidad. 2.Aplicamos un operador de igualdad difuso. Precio barato 3.Obtenemos un grado de cumplimiento 1 para este restaurante. 0 15 Precio medio de un restaurante (€)
  • 10. Tipos de datos difusos Tipo 2: Datos sobre un referencial ordenado. Se definen distribuciones de posibilidad. Se asocian etiquetas lingüísticas a dichas distribuciones. Posibilidad Barato Precio medio Caro 1 0 16 18 24 26 Precio medio de un restaurante (€)
  • 11. Tipos de datos difusos Tipo 3: Datos sobre un referencial no ordenado. Solo se puede aplicar la igualdad difusa. Pizzería Hamburguesería Comida Comida china Rápida Pizzería 1 0 0 ,6 Hamburguesería 0 1 0 ,8 Comida china 0 0 1 ,4 Comida Rápida ,3 ,6 ,4 1
  • 12. Perfil de Usuario Elementos del perfil: ● Definición de las etiquetas [Tipo 2]: cerca, media y lejos. ● Peso de la distancia en el grado total. ● Definición de las etiquetas [Tipo 2]: barato, medio y caro. ● Peso del precio en el grado total. ● Otros servicios: Si el restaurante cuenta con bodega, si está acondicionado para niños...etc.
  • 13. Propuesta 1. Arquitectura del sistema. 2. Resolución de consultas. 3. Caso de uso.
  • 14. Arquitectura del sistema Arquitectura cliente – servidor:
  • 15. Arquitectura del sistema 2 Proceso de compilación en superwaba: En el dispositivo, instalamos un intérprete de .pdb. Con un sólo código objeto podemos ejecutar en cualquier plataforma.
  • 16. Resolución de Consultas 1. Especificación de las preferencias del usuario. (Preferencias y pesos). 2. Evaluación de la consulta respecto de cada preferencia. 3. Agregación: Obtención de un grado de cumplimiento global para cada restaurante.
  • 17. Evaluación de la consulta La consulta se especifica con un vector de preferencias y un vector de pesos: Una vez evaluados individualmente cada preferencia, se agregan los resultados:
  • 18. Caso de uso Perfil de usuario. Precio: barato, medio y caro. Distancia: cerca, media y lejos.
  • 19. Conclusiones y trabajo futuro La búsqueda flexible con preferencias es útil y factible en dispositivos móviles. La implementación proporcionada es multiplataforma. Como trabajo futuro: ● Extender la consulta con preferencias a otros ámbitos con un dispositivo móvil. ● Obtener información de diferentes fuentes.
  • 20. ¡Gracias! Web del proyecto: http://code.google.com/p/mje-pda/