Data-driven modelling and probabilistic analysis of interactive software usage

این مقاله به پرسش پژوهشی پاسخ می دهد: چگونه می توانیم روش هایی را که کاربران در واقع با نرم افزار ارتباط برقرار می کنند، مدل سازی و درک کنند، با توجه به اینکه سبک های استفاده از کاربر تا کاربر متفاوت هستند و حتی از استفاده برای کاربر فردی استفاده می شود. اولین مشارکت ما این است که دو مدل احتمالاتی جدید اضافه کنیم که از مجموعهای از ردیابی کاربر وارد شده است که شامل وضعیتهای مشاهده شده و پنهان است. مدلها جنبههای زمانبندی و تصادفی استفاده، ماهیت ناهمگن و دینامیکی کاربران و جنبههای زمانی بازه زمانی که دادهها جمعآوری شدهاند (مانند یک روز، یک ماه و غیره) را پوشش میدهد. یک مفهوم کلیدی، الگوهای فعالیت است که کلیه رفتارهای زمانبندی مشاهده شده مشترک را در مجموعه ای از ردیابی کاربر ثبت شده به اشتراک می گذارد. هر الگوریتم فعالیت یک زنجیره مارکف زمان گسسته است که در آن متغیرهای مشاهده شده حالتها را مشخص می کنند؛ حالت های پنهان الگوهای مشخص را مشخص می کنند. سهم دوم این است که چگونه از ویژگی های منطقی پارامتریک، احتمالاتی، منطق زمانی به منظور درک رفتارهای فرض شده در یک الگوی فعالیت و بین الگوهای فعالیت استفاده کنیم. ترکیب های مختلف مدل پیشنهادی و اموال فرض شده، یک مجموعه غنی از تکنیک ها را برای درک استفاده از نرم افزار فراهم می کند. سهم سوم، تظاهرات مدل ها و خواص منطق زمانی با استفاده از ردیابی کاربر از یک نرم افزار کاربردی است که توسط دهها هزار نفر از کاربران در سراسر جهان استفاده می شود.