Дипломная работа: Выявление паттернов поведения пользователей в системах машинного восприятия методами машинного обучения

Таким образом, можно говорить о том, что выстраиваются следующие взаимосвязи между психикой и поведением человека (рис. 1): личностные особенности психики участвуют в формировании видимого поведения и наоборот по видимым вербальным и невербальным аспектам поведения можно делать вывод об индивидуальных особенностях личности.

Рисунок 1. Взаимосвязь поведения человека и его индивидуальных характеристик

В таблице 1 представлена декомпозиция психики человека до более конкретных проявлений и характеристик, которые можно наблюдать у человека. При составлении таблицы использовались как общие понятия и термины, принятые в психологии личности, так и конкретные классификации и типологии, разработанные различными деятелями этой области. В случае, если требовалось сделать выбор в пользу той или иной общепринятой классификации, предпочтение отдавалось бинарному или более конкретному типу классификации - в случае с психическими процессами, - поскольку в дальнейшем (см. Глава 3) данную таблицу предполагается использовать при выводе предлагаемого подхода [6-8]. По этой же причине, в качестве классификации базовых эмоций выбрана теория эмоций по П. Экману - наиболее часто применяемая на текущий момент и в сфере ИТ [9, 10], для характеристики темперамента выбрана типология по Г. Айзенку [11], а модель характера описывается посредством теории Юнга в современном изложении И. Карнаухом [12].

Таблица 1. Декомпозиция психики человека

1.2 Паттерны: что это и какое отношение имеет к поведению человека

Трудно поспорить с тем, что ежедневно люди сталкиваются с однотипными и повторяющимися явлениями в различных сферах жизни: по дорогам ездят машины одинаковых моделей, кассиры выдают чек при покупке товара, менеджеры проектов планируют очередной спринт в разработке программы, а невесты выходят замуж в белых платьях. Все это является не чем иным, как примером разного рода шаблонов или, иначе говоря, паттернов.

Паттерн - термин, в широком смысле обозначающий повторяющийся шаблон, схему с предсказуемым результатом, применяется в самых разных сферах и научных дисциплинах: информатике, психологии, музыке, дизайне, естественных науках и т.д. - и варьируется в зависимости от области применения [13]. Паттерны хороши тем, что рациональны по своей сути и ведут к повторяемому результату, а значит требуют меньше усилий и времени на их воспроизведение при большей эффективности - это тот случай, когда для получения желаемого действует принцип «не нужно изобретать велосипед».

В психологии паттерном принято считать некоторую готовую совокупность действий и характеристик, которую человек использует для получения некоторого конечного результата неосознанно - путем простого копирования [14]. Паттерны при этом можно выделить в разных процессах жизнедеятельности человека: мышлении, поведении, восприятии и т.д. В рамках данной работы наибольший интерес представляет такое явление, как паттерны поведения.

Собственно паттерны поведения - это шаблонные установки человека по взаимодействию с окружающим миром, воспроизводимые бездумно, т.е., не задумываясь - будь то осознанно или неосознанно [15]. Паттерны поведения наиболее активно вырабатываются у человека в детстве и формируются на протяжении всей жизни. Существует достаточно многочисленная классификация паттернов поведения, однако в рамках данной работы наиболее уместным кажется принятое деление паттернов поведения на личные (или индивидуальные) и социальные (или общепринятые).

Социальные паттерны поведения - это привычная последовательность действий человека в обществе или еще иначе говоря - социальная привычка. К ним относятся массовые паттерны поведения людей типа рукопожатия между мужчинами в знак приветствия, речевые приемы, например, автоматический ответ «Нормально» на вопрос коллеги «Как дела?» и т.д., которые человек перенимает из общества и воспроизводит потому, что так принято. Личные паттерны поведения - более индивидуальное явление и рождается не только и не столько путем слепого копирования тех или иных шаблонов в обществе, семье или кругу друзей, но и путем модифицирования и встраивания в характер человека, в целом в его систему поведения с учетом индивидуальных особенностей. Такие паттерны также могут появляться как неосознанно, так и сознательно, превращаясь затем в автоматику, например, манера и предпочтения в еде, последовательность действий перед отходом ко сну.

Сами по себе паттерны поведения - явление нейтральное и несет свои плюсы и минусы в зависимости от конечной цели их применения, будь то осознанно или нет. Однако, что наиболее интересно в рамках данной работы - то, что наблюдение и изучение паттернов поведения человека позволяет делать выводы о его индивидуальных особенностях - за счет связи поведения с психикой личности человека, описанной ранее, и предугадывать, как человек поведет себя в той или иной ситуации - за счет отработки этого поведения в рамках паттернов.

Таким образом, выстраивается следующая цепочка: воспроизведение паттернов поведения является следствием неосознанного поведения человека, которое в свою очередь отражает индивидуальные черты его психики, а значит делает возможным предсказать последующие действия человека.

1.3 Использование паттернов поведения человека в сфере ИТ

Для человека паттерны поведения являются инструментом, который позволяет относительно легко интегрироваться в окружающую среду и гибко подстраиваться под ее изменения в случае необходимости. Иначе говоря, найти общий язык с объектом взаимодействия куда проще, если имеешь возможность видеть, как он себя ведет в ответ на твои действия и в каком контексте находятся оба. Например, очевидно, что если твой друг просит у тебя совета, какой бы фильм ему посмотреть сегодня вечером, а ты знаешь, что друг сегодня чувствует себя неважно и грустен, так как расстался со своей подругой, то, по меньшей мере, бестактным будет предлагать ему посмотреть романтическую комедию со счастливым концом - скорее всего, что такой совет воспримется негативно, и возможно в следующий раз этот друг десять раз подумает, прежде чем задавать такие вопросы. Другой пример: если в ответ на заданный вопрос собеседник избегает зрительного контакта, а эмоции на лице не соответствуют интонации в голосе, значит, скорее всего, он врет, и доверять ему не стоит.

Приведенные выше примеры наглядно показывают, как контекст и знание привычного поведения объекта влияют на принятие решения в той или иной ситуации. С появлением в жизни людей информационных технологий - сотовой связи, интернета, многообразия информационных систем - человек стал чаще сталкиваться с ситуацией, когда для своего оппонента - будь то работа с информационной системой или общение в интернете - он становится обезличенным (проблема анонимности пользователей в интернете, сбора и обработки данных о пользователе, в том числе правовые и морально-этические стороны этого вопроса представляют собой отдельную большую область исследования и не входят в границы текущей работы). Этот аспект имеет как свои плюсы, так, безусловно, и минусы, однако суть проблемы остается одна: предсказать, как поведет себя пользователь в следующий момент времени, стало трудно, и это особенно сильно выражено во взаимодействии человек - машина [16-18]. Возникает закономерный вопрос, для каких задач может потребоваться выяснить в таком случае личность человека, чем в этом поможет выявление паттернов пользователей и какую форму принимает?

Моделирование профиля пользователя. Внушительный блок современных исследований посвящен вопросам определения профиля пользователя системы, в особенности веб-системы, основываясь на его паттернах поведения [19-24].

Эта задача популярна в самых разных сферах деятельности. Так, подобные задачи возникают, когда необходимо классифицировать пользователей в социальных сетях, новостных порталах (особой популярностью в этой части пользуется Twitter) - для выявления политической принадлежности, идентификации этнической принадлежности, выявления привязанности к конкретному бизнесу; кроме того, это, безусловно, реклама и маркетинг - для выявления интересов пользователей, возрастной категории, социальной группы и других характеристик.

Используя ограниченный набор пользовательских атрибутов, таких как политическая ориентация или этническая принадлежность, пол, возраст, а также набор явных и неявных признаков поведения пользователя в сети (какой контент, информацию читает пользователь, что нравится, что нет, структура связей между отдельными объектами и лингвистические характеристики контента) формируется функция определения класса принадлежности пользователя по заданному признаку. Затем с использованием методов машинного обучения, которые принимают во внимание полный спектр таких функций, формируется предсказание.

Для получения такого рода профилей не обязательно собирать информацию, которую пользователь предоставил в явном виде - ряд исследований показывает, что для получения подобной аналитики достаточно иметь доступ к журналу действий пользователя [19, 21]. В таком случае используются статистические модели машинного обучения, для которых эталоном служит заблаговременно подготовленная база данных журналов доступа.

Информационная безопасность. В современном мире защита информации и данных является очень важным вопросом.

Современные методы аутентификации, начиная с обычного ввода пароля и заканчивая более сложными моделями аутентификации пользователей, как, например, двухфакторная аутентификация, значительно усложняют задачу взлома, но при этом пользователям устройств становится все труднее их использовать. Между тем, знание паттернов поведения того или иного пользователя в системе сравнимо с цифровыми отпечатками пальцев - они также уникальны. Это позволяет проводить аутентификацию пользователя неявным образом - на основе моделей поведения, выявленных с помощью методов машинного обучения [25]. В частности, ряд образовательных платформ использует подобную методику в качестве подтверждения личности: платформа дистанционного обучения Coursera проводит аутентификацию пользователя посредством анализа паттерна машинопечати.

Кроме того, зная паттерны поведения пользователей в системе, благодаря технологии анализа данных в совокупности с методами машинного обучения, становится возможным выявлять несвойственное пользователю поведение - и, тем самым, определять мошенников [26]. Например, подобный подход может быть реализован для определения ложных звонков мошенников по сотовой связи или предотвращения потери данных в крупных компаниях и организациях, основываясь на анализе трафика логов.

Адаптивный пользовательский интерфейс. На текущий момент существует огромное многообразие различных технических устройств. Их эволюция, как и в целом развитие стека информационных технологий, порождает желание человека улучшать человеко-машинное взаимодействие. Адаптивный пользовательский интерфейс обеспечивает персонализированную помощь пользователям в режиме реального времени, регистрируя события и частоты их возникновения в тех или иных частях пользовательского интерфейса, объединяя их в сценарии и автоматически формируя паттерны поведения группы пользователей. Таким образом, можно сократить время на обучение пользователя работе в системе или адаптации к новому устройству, поскольку такой интерфейс способен не только оперировать уже известными данными, но и пытаться предсказать, какое действие понадобиться пользователю в следующий промежуток времени, делая системы и устройства гибкими [27, 28]. Кроме того, такой же подход рассматривается к использованию для улучшения взаимодействия человека и персональных помощников, в том числе в концепции «умного» дома [29, 30].

Рекомендательные системы. Это еще одна насыщенная сфера применения решений подобных задач. Рекомендательные системы используются повсеместно и не в последнюю очередь благодаря бурному развитию рынка электронной коммерции. Это основной инструмент для ускорения перекрестных продаж, повышения лояльности клиентов, таргетинговой рекламы [31-34]. Рекомендательные системы также являются основным инструментом для формирования интеллектуальных подборок начиная от новостей и заканчивая товарами, музыкой и другими объектами [35-36].

Двух существующих распространенных подходов к созданию рекомендательных систем - рекомендации на основе контента и совместной фильтрации уже давно не хватает, поэтому исследователи строят все новые и новые модели, вырабатывают новые подходы [37]. К ним относится и класс подходов, которые отслеживают поведение пользователя на предмет неявных сигналов намерения пользователя, чтобы в ответ предоставить более эффективную рекомендацию. Это, в отличие от предыдущих подходов, которые либо нечувствительны к намерениям пользователя, либо требуют явной, определенной пользователем информации о задаче, безусловно, выигрышная стратегия. Такой подход состоит из двух этапов: анализ непосредственно паттерна поведения пользователя и сама рекомендация. На первом этапе поведение пользователя анализируется динамически, чтобы найти семантически значимые шаблоны поведения, а на втором этапе алгоритм автоматически предлагает альтернативные рекомендации. Результаты исследований также демонстрируют, что такой подход сокращает время выполнения задачи пользователя и снижает частоту появления ошибок в рекомендациях в сравнении с рекомендациями, не зависящими от паттернов поведения. В качестве альтернативной версии предлагается также формировать рекомендации на основе сравнения с другими пользователями, которые имеют схожие паттерны поведения. Именно эта сфера применения рассматривается подробно в данной работе.