Modélisation générale du contexte

Il est possible de tirer une forme générique de la modélisation du contexte que nous

repré-sentons Figure 3.1 selon [ZLO07].

Cette représentation générique du contexte propose cinq grandes catégories d’informations

de contexte centrées sur l’entité. Le terme entité fait référence ici à la définition de [Dey01]

que nous avons rappelée en introduction du chapitre et qui de ce fait peut représenter une

personne, un objet physique ou informatique.

FIGURE3.1 – Les cinq catégories fondamentales pour l’information de contexte [ZLO07].

3.2.2.1 Individualité du contexte

Cette dimension correspond aux informations contextuelles sur l’entité à laquelle le contexte

est lié.

Selon [ZLO07], les informations contextuelles sur l’entité comprennent tout ce qui peut être

observé sur une entité, à savoir généralement son état. Une entité (personne ou objet) peut

3.2. Modélisation du contexte

agir différemment dans un système sensible au contexte. Afin de représenter les informations

de contexte d’individualité, il existe quatre types d’entités : naturelles, humaines, artificielles et

de groupes. Nous les décrivons ci-dessous.

Les entités naturelles représentent tout ce qui se produit naturellement et ne résultent

d’au-cune activité ou intervention humaine. Plus généralement, on définit les entités naturelles

comme étant le contexte produit par l’environnement naturel [ZLO07] (p. ex., arbres, roches, et

autres éléments liées à la nature, sans aucun ajout artificiel de la part d’êtres humains), mais

aussi le produit de l’interaction entre la nature et l’être humain.

Les entités humaines représentent tout ce qui caractérise l’être humain [ZLO07]. Dans les

systèmes de recommandation contextuels par exemple, comme dans toute autre application

sensible au contexte pour lesquelles les caractéristiques des individus peuvent influencer la

prise de décision, il est incontournable de prendre en considération ces caractéristiques afin

de réaliser des adaptations automatiques et répondre aux besoins de l’utilisateur. En effet, ce

système adaptatif doit fonder ses décisions (p. ex., recommandations) sur l’évaluation du

com-portement de l’utilisateur et de ses caractéristiques. Par exemple ces caractéristiques peuvent

être des préférences spécifiques à un domaines particulier p. ex., dans la recommandation

d’événements culturels il peut s’agir des préférences sur les catégories d’événements

(mu-sique, théâtre, conférences, ...), ainsi que des données de profils (âge, sexe, catégorie

socio-professionnelle), ou encore des préférences sur la langue utilisée (français, anglais, espagnol,

russe, chinois, etc.).

Les entités artificielles représentent tout phénomène ou produit résultant des actions

hu-maines [ZLO07]. Plus généralement, on définit les entités artificielles comme étant le contexte

d’objets construits par l’être humain p. ex., les matériels informatiques et de

télécommunica-tions (p. ex., téléphones mobiles, ordinateurs fixes ou portables, périphériques informatiques)

ou tout objet connecté (Smartphones inclus) possédant des capteurs physiques ou chimiques

(p. ex., température, humidité, pression, son, champ magnétique, accélération, altitude), les

bâ-timents (p. ex., maisons, appartements, usines, bureaux), les véhicules (p. ex., vélos, voitures,

tramways, trains, bus). Les informations de contexte de ces entités comprennent les

descrip-tions de ces objets. Par exemple pour un téléphone mobile la description correspondrait à des

propriétés telles que p. ex., le système d’exploitation (p. ex., Android, iOS, WPhone), la taille

de l’écran, le niveau de connexion (p. ex., sans données, 3G, 4G, Wi-Fi) et la fiabilité de cette

connexion réseau accessible.

Les entités de groupes représentent un ensemble d’entités qui partagent des aspects

com-muns du contexte, interagissent entre elles ou ont établi certaines relations entre elles [ZLO07].

Il peut devenir utile d’aborder les entités sous forme de groupes pour structurer et capter des

caractéristiques qui n’apparaîtraient pas si nous prenions chaque entité individuellement. Si on

prend l’exemple des êtres humains, les entités d’un même groupe peuvent avoir en commun

p. ex., des intérêts, des compétences, des liens sociaux ou familiaux. Si on prend l’exemple

cette fois du matériel informatique les entités d’un même groupe peuvent avoir en commun (p.

ex., la puissance de calcul, le niveau de connexion réseau, la taille d’affichage à l’écran). Dans

le cadre des entités de groupes, chaque membre du groupe partagera ainsi une identité

com-mune à ce groupe. La relation de cardinalité entre les membres et les groupes est de l’ordre

de (0..n) c.-à-d., un membre peut soit n’appartenir à aucun groupe, soit appartenir à un ou

plusieurs groupes. La détermination de l’appartenance d’un membre à un groupe peut être soit

effectuée a priori (connue à l’avance via des relations existantes), soit de manière dynamique

à travers des observations.

3.2.2.2 Les relations

Cette catégorie d’informations de contexte a pour objectif de capturer les relations qu’une

entité a établi avec d’autres entités [ZLO07], permettant ainsi de faire des regroupements. Ces

relations peuvent être établies entre tout type d’entité individuelle (personne et objet physique

ou virtuel).

Les relations peuvent être subdivisées en trois catégories :

— relations sociales ;

— relations fonctionnelles ;

— relations de composition.

Les relations sociales représentent les aspects sociaux du contexte de l’entité [ZLO07]. De

ce fait, les relations entre deux personnes ou plus peuvent être considérées comme des

asso-ciations ou affiliations sociales p. ex., amis, ennemis, personnes neutres, voisins, collègues ou

encore des proches. Il est important de considérer le rôle que joue la personne au sein de ces

relations sociales (p. ex., niveau d’intimité, de partage, de leadership). Ainsi, les informations

issues des caractéristiques partagées ou non avec d’autres personnes (calculs de similarité ou

de distance) peuvent également enrichir les caractéristiques décrivant une personne en

indivi-duel. De ce fait, il est aussi possible de déduire des modèles de comportement, ou alors des

groupes de personnes partageant les mêmes intérêts, objectifs ou niveaux de connaissance.

Les relations fonctionnelles indiquent qu’une entité utilise une autre entité dans un but

précis [ZLO07]. Par exemple, si un utilisateur utilise un ordinateur portable, de bureau ou son

téléphone mobile, est assis sur une chaise ou se déplace. Les relations fonctionnelles intègrent

également des propriétés de communication ou d’interactions (p. ex., clavier, caméra,

micro-phone).

Les relations de composition expriment la relation existante entre une entité et les parties

(autres entités) qui la composent [ZLO07]. Par exemple, une entité utilisateur est composée de

bras, de jambes, d’une tête etc. Une entité téléphone mobile est composée de capteurs, d’un

3.2. Modélisation du contexte

écran, d’un processeur, etc. Les relations de cardinalité de chacune des parties vis à vis de

l’entité sont de l’ordre de (1..1) car une partie ne peut appartenir qu’à une seule entité qu’elle

compose.

Une autre forme de relation identifiable est l’association. Celle-ci est plus faible que la

composition car elle n’implique pas l’appartenance d’une partie à une seule entité. Les relations

de cardinalité de chacune des parties vis à vis de l’entité sont de l’ordre de (1..n) car une

partie peut appartenir à une ou plusieurs entités à laquelle elle est associée. Par exemple, une

photocopieuse en entreprise peut appartenir à différentes personnes d’un département mais

aussi à différents départements.

3.2.2.3 Le temps

La catégorie temporelle est incontournable puisque l’être humain organise toute sa vie

au-tour de cette dimension [GS01b]. Elle doit donc impérativement être prise en considération

dans un système sensible au contexte. Il existe plusieurs manières de prendre en compte le

temps dont la donnée brute est inhérente à la date c.-à-d., l’heure (courante et fuseau horaire),

le jour, le mois et l’année. En fonction du domaine auquel on souhaite utiliser la catégorie du

temps, il existe différentes modélisations. Certains domaines, par exemple la restauration ou le

commerce, utilisent des intervalles de temps via des échelles dites catégorielles telles que p.

ex., les heures de travail, les week-ends, les saisons [ZLO07]. Ainsi, dans la modélisation du

contexte, il devient absolument nécessaire de représenter des intervalles de temps clairement

identifiables et utilisables par toute application sensible au contexte. De même, il devient

inté-ressant d’identifier des éléments temporels récurrents (p. ex., le dimanche, Noël, Pâques) et de

les combiner à ces intervalles de temps afin d’enrichir la modélisation des caractéristiques de

l’utilisateur. De plus, historiser ces situations ou contextes crée une véritable archive

d’informa-tions contextuelles constituant la base pour accéder au contexte passé [ZLO07]. Ceci permet

l’analyse a posteriori de cet historique, et permet de déduire les habitudes d’utilisation des

uti-lisateurs afin de prédire leur comportement futur. L’un des avantages de ce principe d’analyse

et de déduction de futurs contextes et qu’il bénéficie de l’historique nécessaire à

l’extrapola-tion des informal’extrapola-tions permettant de pallier les problèmes d’accès aux données de contextes

incomplètes ou imprécises.

3.2.2.4 L’activité

La catégorie de l’activité englobe toutes les activités dans lesquelles l’entité (personne ou

objet) est engagée dans le présent mais également le sera dans le futur. Cette catégorie répond

à la question « Que veut l’entité et comment ? » [ZLO07]. Cette catégorie peut être décrite sous

forme d’objectifs, de tâches, et d’actions p. ex., une entité peut être engagée dans une tâche

qui de ce fait détermine les objectifs des activités qui y sont effectuées [Bru96]. Une tâche

peut être décrite comme étant une unité à exécuter et qui a un objectif spécifique [Kle02]. Une

tâche est composée d’un ensemble de sous-tâches ou opérations ayant un objectif déterminé.

Il se dessine ainsi une organisation composée de macro-objectifs (objectifs de haut niveau)

inhérents aux tâches, et des objectifs opérationnels (objectifs de bas niveau) inhérents aux

opérations à effectuer dans le cadre d’une tâche. Par exemple, dans la tâche aller au cinéma

il existe une séquence d’opérations à effectuer comme p. ex., choisir le film, choisir le cinéma

où on souhaite visualiser le film, choisir son mode de transport, réserver la séance (en avance

via internet ou sur place). Il s’avère que si l’objectif de haut niveau qui est de se rendre au

cinéma pour visualiser un film est plus stable et de ce fait plus cohérent, ceux des objectifs

de bas niveau peuvent changer assez souvent p. ex., en ce qui concerne le fait de choisir

un film, on peut décider de modifier sa sélection au dernier moment (ou pas) en fonction de

conditions (plus de places libres, changement de préférences d’un individu, modification de

décision de groupe, etc.). C’est pourquoi il est important de faire la différence entre les objectifs

de haut niveau et ceux de bas niveau [ZLO07]. En conséquence, le contexte d’activité peut être

représenté par des modèles de tâches (spécifiques à un domaine) structurant les tâches en

hiérarchies de sous-tâches (opérations), qui constituent la représentation la plus avancée des

objectifs utilisateurs possibles [Vas96]. L’objectif peut donc être déterminé soit par l’entité

elle-même, soit selon un choix automatique parmi l’ensemble des objectifs existants. Cet objectif

obtenu via un choix automatique peut être révélé via une politique sélectionnant par exemple

l’objectif possédant la probabilité la plus élevée [ZLO07].

3.2.2.5 La localisation

Avec l’émergence ces deux dernières décennies de la téléphonie mobile et de son

uti-lisation à grande échelle, l’utiuti-lisation de la géo-locauti-lisation dans les systèmes sensibles au

contexte est devenue non seulement possible mais également incontournable [Guo+15]. Si on

prend l’exemple d’un utilisateur mobile dont l’emplacement brut est capturé, celui-ci peut être

décrit soit comme un emplacement absolu, signifiant de ce fait l’emplacement exact de

l’utili-sateur [Zhe11], soit comme un emplacement relatif, signifiant l’emplacement de l’utilil’utili-sateur par

rapport à autre chose [Cra+12] (p. ex., un quartier, un commerce, toute zone délimitée

géo-graphiquement et déduit d’un raisonnement contextuel). Ainsi, les modèles d’emplacements

physiques peuvent être divisés en deux types : les modèles d’emplacements quantitatifs

c.-à-d., géométriques (p. ex., coordonnées GPS) ; et les modèles d’emplacements qualitatifs i.e,

symboliques (p. ex., quartiers, bâtiments, rues, régions, pays) [CD04 ; ZLO07]. Ces derniers, à

plusieurs niveaux, introduisent une notion de granularité spatiale. Les modèles de

superposi-tion permettent une interprétasuperposi-tion des informasuperposi-tions spatiales quantitatives en les transformant

en informations qualitatives appropriées [Cra+12 ; Guo+15]. Cette transformation est

impor-tante entre autre dans le cadre des systèmes de recommandation qui nécessitent l’apport de

contexte pertinent et facilement utilisable pour alimenter leur calcul c.-à-d., fournir une

repré-sentation structurée de l’information contextuelle. En général, une entité possède toujours un

emplacement physique qualitatif, qui peut être représenté par différents emplacements

quanti-tatifs [ZLO07].

3.3. Acquisition du contexte

3.2.3 Modélisation du contexte pour les systèmes de recommandation à des

Dans le document Recommandation contextuelle de services : application à la recommandation d'évènements culturels dans la ville intelligente (Page 105-110)