There are an increasing number of public Internet of Things (IoT) devices installed in urban environments with which users can perform a wide variety of tasks. Due to the nature of public places, these IoT devices must support groups of users rather than only individuals. However, because the type and quality of IoT devices in public environments varies, it may be difficult for groups of users to recognize the opportunities to perform such tasks. Moreover, group users are usually new to a public place and have not previously performed tasks in IoT-enriched public places. In this paper, we propose a two-phase task recommendation approach for groups of IoT users in public environments. In the first phase, we use a random walk with restart (RWR) algorithm to overcome the problem of sparse historical data on performing user tasks in public IoT environments. We utilize data from neighboring user groups with similar member organization as targets for effectively predicting tasks for new user groups. The second phase predicts a set of operations (IoT device functionalities) that are most appropriate for each candidate task. In this phase, for more effective prediction of the IoT operations for a user task, we consider the contextual semantics of users via a classification model. We evaluate our approach using real-world datasets collected from practical IoT testbed environments. Our results demonstrate that task recommendation using the RWR algorithm based on member organization better recommends tasks to new user groups than baseline approaches. In addition, we show that an appropriate set of task operations can be effectively predicted by considering task types and contextual semantics.
도시 환경에 설치된 다양한 사물인터넷 기기들을 통해 사용자들은 다양한 태스크를 수행할 수 있게 되었다. 이러한 공공 사물인터넷 환경에서는 단순히 개인 사용자뿐만 아니라 여러 개인 사용들이 모인 그룹 사용자들 역시 사물인터넷 기기들을 사용하게 된다. 그러나 공공 장소에 따라 가용한 사물인터넷 기기들의 수와 종류가 다양하기 때문에 그룹 사용자가 주어진 장소에서 어떤 태스크를 수행할 수 있는지, 어떤 기기들을 사용할 수 있는 지 파악하기 어렵다. 본 논문에서는 공공 사물인터넷 환경에서 그룹 사용자들을 위한 두 단계 태스크 추천 기법을 제안한다. 첫 번째 단계는 그룹 사용자가 선호하는 태스크를 예측하는 단계로, 공공 사물인터넷 환경의 사용자들의 태스크 수행 기록의 희소성 문제를 해결하기 위해 무작위 행보 알고리즘을 활용한다. 또한, 새로운 그룹 사용자를 대상으로 태스크를 효과적으로 추천하기 위하여 유사한 그룹 구성(그룹 크기, 공통된 구성원, 구성원들의 개별 선호도 분포)을 가진 그룹 사용자들의 태스크 수행 기록을 활용한다. 두 번째 단계에서는, 추천 태스크 리스트에 있는 각각의 태스크에 대해 가장 적절한 연산(사물인터넷 기기의 기능)을 예측한다. 이 단계에서는 사용자가 수행하고자 하는 태스크에 필요한 연산들을 효과적으로 추천하기 위하여 분류 모델을 통해 사용자의 상황적 의미를 고려한다. 우리는 실용적인 사물인터넷 테스트 베드 환경에서 수집된 실제 데이터를 사용하여 제안한 기법의 성능을 평가하였다. 실험 결과를 통해 그룹 구성 정보를 기반으로 무작위 행보를 활용한 태스크 추천 기법이 기존의 기법보다 추천 정확도가 높음을 확인하였다. 또한, 태스크와 상황적 의미를 고려하여 효과적으로 사물인터넷 연산을 예측할 수 있음을 확인하였다.
