De utsatte barna

Os trabalhos apresentados nesta seção são relacionados ao o uso de informa- ções de contexto em vídeos, seja na forma de recomendação de vídeos ou na de extração de informações de contexto.

3.2 Sistemas de Recomendação Multimídia 25

3.2.1 SenSee

O trabalho reportado por Aroyo et al. (2007a) propõe o SenSee como um fra- mework para personalização e interação em um ambiente multimídia. Exis- tem implementações desse framework em aplicações, como o iFanzy, uma aplicação que oferece um guia de TV personalizado (Bellekens et al., 2009). Os autores listam alguns requisitos do sistema, que são relevantes ao modelo CAPPA. São eles:

1. Integração de busca e recuperação de conteúdo heterogêneo (como vídeo, texto e áudio) distribuído em meios de comunicação diversos.

2. Modelo de conteúdo semântico integrado, a fim de permitir mapeamen- tos a diversos vocabulários em diferentes domínios (como na forma de ontologias).

3. Experiência personalizada para usuários em grupos e individualmente. Os usuários podem interagir com diversos dispositivos ao mesmo tempo, na mesma sessão, sendo importante que o sistema permita entrada de informações diversas pelos usuários, como sensores, controle remoto, dentre outros.

4. Protocolo de comunicação aberto para interconectar os componentes do framework.

5. Manutenção, compartilhamento e recuperação de perfis pessoais de con- teúdo com peers.

6. Administração de privilégios dos usuários para grupos de usuários e dis- positivos.

A estrutura do framework, esquematizado na Figura 3.3, possui três com- ponentes principais: UMS – User Model Service (Serviço de Modelo de Usuário), OS – Ontology Service (Serviço de Ontologia) e FS – Filter Service (Serviço de Filtro). O UMS armazena e gerencia os perfis dos usuários com informa- ções diversas, como interesses, deficiências e preferências. O OS gerencia os vocabulários necessários para que o sistema entenda conceitos e os termos semânticos quanto procura e filtra conteúdos. O FS especifica diferentes fil- tros de conteúdo para serem usados quando algum conteúdo é procurado ou recomendado ao usuário.

Enquanto que o objetivo do SenSee é auxiliar na busca de conteúdo, o foco do modelo CAPPA é auxiliar na autoria de anotações por parte de um usuário

26 Trabalhos Relacionados

Figura 3.3: Estrutura do framework SenSee, exibindo como é realizada a inte- ração entre os componentes principais e os usuários (Aroyo et al., 2007a).

ou por grupos de usuários. O SenSee apresenta algumas características inte- ressantes que podem ser incorporadas, como um gerenciador de ontologias e o uso de informações diversas pelos usuários.

3.2.2 Tribler

O sistema Tribler, de Pouwelse et al. (2008), tem por objetivo aprender os interesses do usuário, a fim de recomendar, gravar ou mesmo transferir pro- gramas de outros usuários através de uma rede P2P. O sistema utiliza as informações aprendidas com cada usuário na rede P2P, o que cria redes so- ciais, ou comunidades online, que compartilhem interesses semelhantes, ex- plorando a recomendação de programas implícita – inferidas pelo aprendizado automático, e explícitas, informadas por algum usuário da rede (Wang et al., 2008).

Tribler é considerado um sistema de recomendação distribuída, já que a recomendação dos programas é feita também pela rede. Para isso, o sistema captura e aprende os interesses de cada usuário implicitamente, conforme ilustrado na Figura 3.4. O sistema, então, filtra e compartilha os programas e interesses do usuário na rede P2P, a fim de encontrar usuários com perfis semelhantes. Além disso, o sistema armazena de modo distribuído os pro- gramas assistidos, permitindo que outros usuários da rede possam ter acesso remoto ao conteúdo recomendado pela rede P2P.

3.2 Sistemas de Recomendação Multimídia 27

Figura 3.4: Estrutura do sistema Tribler, exibindo como é realizada a interação entre os usuários e a rede P2P.

O estudo de um sistema que utiliza a rede P2P para recomendação de programas, no contexto de vídeo e TV, contribui para um dos modos de com- partilhamento das informações no modelo CAPPA, que utiliza-se de uma rede P2P para compartilhar informações de contexto.

3.2.3 M4Note

A ferramenta MultiMedia MultiModal Annotation Tool (M4Note) é uma interface multimodal que permite captura e anotação de vídeos. Goularte et al. (2004) detalham a aplicação que controla uma WebCam acoplada a um TabletPC para permitir capturas de vídeo, áudio e tinta para o caso de anotações. A ferramenta WaCTool, na qual o protótipo CWaCTool é baseado, foi inspirada na ferramenta M4Note.

Goularte et al. (2004) discutem também a personalização da ferramenta, permitindo a criação de símbolos especiais ou personalizados. Quando um usuário realiza uma anotação em tinta com um símbolo diferente, a M4Note pergunta ao usuário um nome para o novo símbolo. É possível ainda criar relações entre os símbolos, como por exemplo um asterisco significar seman- ticamente que é algo importante.

Manzato et al. (2009) apresentam uma arquitetura que utiliza a ferramenta M4Note, realizando um estudo de extração de metadados para propor uma ar- quitetura que explore a capacidade de usuários interagirem com o conteúdo. A Figura 3.5 apresenta a arquitetura proposta, na qual existem duas principais

28 Trabalhos Relacionados

Figura 3.5: Arquitetura proposta por Manzato et al. (2009).

fontes de informação de contexto: (i) as informações provenientes do usuário e de seus dispositivos utilizados para captura das anotações (Figura 3.5.a), e (ii) o conhecimento proveniente de características do vídeo, como por exemplo informações dos quadros de vídeo (histogramas, níveis de cores) e da dura- ção das cenas (Figura 3.5.b-g). As informações são, então, processadas (Fi- gura 3.5.h) e disponibilizadas em serviços de personalização.

A arquitetura apresentada por Manzato et al. (2009) tem conceitos comple- mentares ao modelo CAPPA, pois trabalha principalmente com informações do vídeo, extraídas por técnicas diversas.

3.2.4 Social CAB

Coppola et al. (2009) apresentam a ferramenta CAB (Context Aware Browser), que permite navegar em conteúdo digital usando dispositivos do mundo real. A CAB é baseada no framework MoBe, uma abordagem para prover infraestru- tura básica para aplicações cientes de informações de contexto e pervasivas em dispositivos móveis. O framework utiliza-se de técnicas de Inteligência Artificial em uma combinação de sistemas de regras, redes Bayesianas e on- tologias, aplicadas à inferência de informações de contexto.

3.3 Sistemas Colaborativos de Vídeo 29