If This Then That (IFTTT) is a popular platform that deploys mashed-up applications for end users using trigger-action programming (TAP) paradigm. To date, there are about 135 thousand mashup creators who have shared mashup applications using TAP, and around 24 million mashups have been reused by IFTTT users. Up to this date, existent research has not focused on using mashups as a content for recommendations. In this work, we propose a model for mashup recommendation for Trigger Action Programming. For that purpose we propose rating strategies for unrated mashups based on the mashup community dynamics. Then, for the purpose of recommendation, we propose a series of implicit factor features unique to the TAP environment. Finally, we test our approach using various recommendation algorithms using the 200,000 recipes dataset from the IFTTT platform and compared its performance for content recommendation.
If This Then That (IFTTT)은 최종 사용자들이 트리거-액션 프로그래밍(trigger-action programming, TAP) 패러다임을 사용해 매시업 어플리케이션(mashup application)을 만들 수 있는 유명한 플랫폼으로, 약 135000명의 매시업 개발자가 TAP 패러다입을 이용한 매시업을 만들어 공유하였으며, 2400만 개 이상의 매시업이 IFTTT 사용자들에 의해 재사용되었다. 지금까지의 기존 연구들은 매시업을 추천 대상으로 사 용하는데 초점을 두지 않았다. 따라서 본 연구에서는 트리거 액션 프로그래밍을 위한 매시업 추천 모델을 제안한다. 이를 위해서 평가 점수가 매겨지지 않은 매시업을 평가하기 위한 매시업 커뮤니티 역학(mashup community dynamics)에 기반한 평가 전략을 제안한다. 또한 TAP 환경에서의 추천 과정에 사용할 수 있는 고유한 일련의 암시적 요소(implicit factor features)들을 제안하였다. 최종적으로, IFTTT 플랫폼의 200,000 개의 레시피 데이터셋을 이용하여 다양한 추천 알고리즘을 사용하여 본 연구의 접근법을 테스트하고, 컨텐츠 추천에 대한 성능을 비교하였다.
