Registra la actividad del usuario y almacena información relevante en las BD Perfiles de Usuario y BD de Servicios Interactivos.
Organiza la información en interfaces que serán presentadas al usuario en pantalla. Según la actividad, obtiene información de contenidos y usuarios, además, envía peticiones GET y POST a los Servicios interactivos y desglosa los mensajes JSON recibidos para incorporarlos en las interfaces. Por otro lado, según la demanda de cada usuario, envía peticiones de contenidos al Servidor de Contenidos y los despliega en pantalla.
6) En el STB IPTV
- Navegador Web
Navegador Web con el cual vienen equipados los STB y permite el despliegue y navegación por la aplicación.
V. ARQUITECTURA DINÁMICA
Una manera de ver la relación dinámica entre los componentes de la arquitectura es mediante un diagrama de secuencia. Para ello se ha seleccionado el siguiente escenario: un usuario accede al servicio de VoD, luego califica la calidad de un contenido a través del servicio de valoraciones, finalmente el sistema realiza el proceso para generar recomendaciones (ver Fig. 3).
El flujo de información inicia cuando el Usuario introduce la dirección URL de la Aplicación IPTV. La Aplicación IPTV realiza la petición de la información de los contenidos a la base de datos Información de Contenidos a través de sentencias SQL. Ahora la aplicación se despliega a través del navegador. El Usuario desea utilizar el servicio de valoraciones, por lo que la Aplicación IPTV realiza su invocación a través de peticiones GET, su URL y puerto a Servicios Interactivos. Los Servicios Interactivos realizan la petición de la información relacionada con el servicio de valoraciones a la base de datos BD de Servicios Interactivos a través de sentencias SQL. Esta información es recibida por la Aplicación IPTV en forma de mensajes JSON, que son desglosados y mostrados en pantalla a través de las interfaces gráficas. Con la navegación e interacción del usuario en el servicio, la información (de contenidos y servicios) presentada en pantalla se actualiza dinámicamente haciendo uso de JavaScript y Ajax (JavaScript y XML Asíncronos). Por ejemplo, si hay una nueva valoración de otro usuario, la nueva valoración promedio debe actualizarse. Cuando el Usuario realiza la valoración, el Monitor de Usuario registra el valor en la BD de Servicios Interactivos para que sea tenido en cuenta en los próximos usos y en la BD perfiles de Usuario para coleccionar información referente a sus gustos y realizar recomendaciones posteriormente. Para generar recomendaciones, el Filtro Basado en Contenido ejecuta algoritmos de filtrado sobre la información registrada en BD Perfiles de Usuario para generar una lista de recomendaciones, que posteriormente se registra en la BD Perfiles de Usuario.
]]>VI. PROTOTIPO
A continuación se describe un prototipo de arquitectura que menciona lenguajes, plataformas, metodologías, tecnologías y protocolos utilizados y demuestra la interoperabilidad y convergencia que permite la arquitectura.
A. Servicios Interactivos
Este componente fue desarrollado en lenguaje Python en el entorno Eclipse en Linux. Para una buena configuración del entorno de desarrollo, es necesaria la instalación de: complemento Pydev para Eclipse, librerías Python de desarrollo, librerías de networking Python web.py y gevent, además del paquete de índice Python Greenlet. La aplicación es creada como un proyecto PyDev y se elige Python como intérprete. Según los principios de REST, en este componente se define cada servicio interactivo al especificar para él una URI. En el siguiente fragmento de código se define el servicio de recomendaciones, para el cual se ha especificado su URI. El servicio es consumido por la Aplicación IPTV mediante una petición GET que incluye datos como el Id del usuario para el cual se requiere consultar la lista de recomendaciones.
Con los datos recuperados a partir del URI puede definirse la lógica del servicio, por ejemplo para realizar consultas en bases de datos.
B. El Sistema de Recomendaciones
Es un sistema de recomendaciones basado en contenido, resultado de la adaptación de la metodología propuesta en [19]. Las características de dicho trabajo utilizadas en el presente estudio son: se basa en los DOI dados por cada usuario a cada contenido a través del servicio de valoraciones; los contenidos están organizados y formalizados en una ontología OWL, basada en la clasificación por "Géneros" de la norma TVAnytime en la que las clases hoja son los géneros; cada contenido está definido como individuo de varias clases hoja con dos propiedades de tipo Datype llamadas CRID y Título. Como resultado del presente estudio, algunas características relacionadas con los contenidos - además relevantes para generar recomendaciones - pueden definirse dentro de la ontología con una clasificación diferente a la de los géneros. En este caso, la característica "Director" está formalizada en la ontología OWL como una clase hoja y sus individuos son los contenidos en los que ha sido director. Igual que como ocurre con los géneros, cada individuo de cada director tiene las propiedades CRID y Título. En la Fig. 4, se presenta un fragmento de la clasificación por géneros de ontología desarrollada en la herramienta Protégé [23]. Aquí, la película Titanic tiene CRID igual a 005 y es individuo de la clase hoja Aventura (Adventure). En pro de las recomendaciones, también pertenece a las clases hoja Desastre (Disaster) y Drama Clásico (Classical drama). Así mismo, en la Fig. 5 se observa un fragmento de la clasificación por director, en la que la película Titanic es un individuo de la clase hoja James Cameron.
]]> Para generar las recomendaciones, primero se realiza el cálculo del nivel de interés de las clases hoja del género y director para cada Usuario.
Para esto, se promedian los DOI de todos los contenidos que pertenecen a una clase hoja, por medio de la expresión:
donde DOI px(Cp) es el nivel de interés del usuario con perfil px por la clase hoja Cp, N es el total de contenidos que pertenecen a la clase hoja Cp y DOI px(Pi) es el DOI del usuario con perfil px por el contenido Pi.
La lista de recomendaciones está compuesta por los contenidos pertenecientes a las clases hoja con mayor DOI para un usuario.
Se propone enriquecer la ontología con más características de clasificación como: "Actor principal", "País", "Año", "Actores de reparto", entre otros. De esta manera, se generan sugerencias basadas en los gustos de cada usuario y variadas en cuanto a temática, se soluciona así el problema de sobre-especialización de los sistemas de recomendaciones basados en contenido.
C. Información de los contenidos
La información de los contenidos es de dos tipos: meta-información y ontología OWL. La meta-información (CRID, Título, Sinopsis y actores, entre otros) es la que se presenta en pantalla cuando el usuario navega por los catálogos y está registrada en una base de datos relacional. La ontología OWL se utiliza para clasificar los contenidos según su género y otras características, como se indica en la sección VI-A. La ontología se especifica en un documento de texto plano con extensión OWL generado por Protégé. Este documento es consultado por otros componentes de la arquitectura para generar recomendaciones. Un fragmento de este documento se muestra a continuación, donde se especifica el género (Adventure) y CRID (005) de la película Titanic.
<Adventure rdf:ID="Adventure_2">
<Title rdf:datatype="http://www.w3.org/2001/XMLSchema#string">Titanic</Title> ]]> <CRID rdf:datatype="http://www.w3.org/2001/XMLSchema#string">005</CRID>
</Adventure>
D. Perfiles de Usuario
Esta información está organizada en bases de datos relacionales. Además de almacenar información demográfica (Nombre, edad y género, entre otros) contiene información en una estructura denominada perfil-ontología que modela los gustos del usuario relacionándolo con cada contenido y cada clase hoja de la ontología. En la Fig. 6 se presenta un fragmento de información perfil-ontología, donde está registrado el DOI asignado por diferentes usuarios a diferentes contenidos. Se puede observar que el usuario con Id 1 ha valorado el contenido con CRID 005 (Titanic) con un DOI igual a 5 y el 003 (Locos de ira) con un DOI igual a 3.
Los datos presentados en la Fig. 6 son utilizados para calcular el DOI de cada usuario por cada una de las clases hoja de la ontología a través de (1). En la Fig. 7 se presenta un fragmento de información perfil-ontología donde está registrado el DOI de cada usuario por cada una de las clases hoja de la clasificación por género. Aquí, el usuario con id 1 presenta un DOI por la clase hoja Desastre (Disaster) igual a 5 y por la clase hoja Aventura (Adventure) un DOI igual a 3. Se infiere que este usuario presenta un mayor interés por el género Desastre que por Aventura. Además, no ha valorado contenidos clasificados en el género Detective, por lo que no se puede inferir conclusión alguna.
En la Fig. 8 se presenta otro fragmento perfilontología donde está registrado el DOI de cada usuario por las clases hoja de la clasificación por director.
E. Filtro Basado en Contenido
]]> Este componente está desarrollado en lenguaje Java debido a la disponibilidad de librerías disponibles para la consulta de ontologías. Consulta en la BD Perfiles de Usuario los datos de la Fig. 6 y consulta la ontología haciendo uso del framework Jena [25] para descubrir a qué clases hoja pertenece cada contenido valorado. Después aplica (1) para obtener el DOI del usuario por las clases hoja de la ontología. Así se obtiene la información presentada en la Fig. 7 y Fig. 8. A partir de estos datos, se infiere el interés de cada usuario por los géneros, los directores y otras características que puedan ser formalizadas en la ontología y generar la lista de recomendaciones final. Por ejemplo, según la información presentada en la Fig. 7 y Fig. 8, se infiere que los contenidos recomendados deben ser en mayor proporción del género Desastre, menor de Aventura, y ninguna de Comedia. Así mismo, se pueden recomendar contenidos dirigidos por James Cameron y ninguno por Sylvester Stallone.F. Aplicación IPTV
Este componente se desarrolló en el entorno de desarrollo Netbeans bajo la tecnología Java JSP. Las interfaces se definieron en HTML, añadiéndole dinámica a través de JavaScript, específicamente con la librería Jquery. Para mostrar información dinámica, es necesario realizar el consumo de los servicios interactivos a través de peticiones GET y POST. Debido a que JavaScript está del lado del cliente, y las peticiones a los servicios interactivos están del lado del servidor, es necesario el uso de técnicas AJAX para invocar Servlets que realicen las peticiones directamente. Por ejemplo, para la validación a través de usuario y contraseña primero se hace la invocación de un Servlet así:
$.ajax({
url: "/vod/ValidaServlet",
data: "login="+login+"&password="+password,type : "GET",
cache: true,
success: function(response) {} })
El servlet realiza la petición GET al componente de Servicios Interactivos, especificando el URI del servicio encargado de la validación de usuarios:
]]> response=rc.get("http://"+servidor+":"+puerto+"/ validacion/?login="+login+"&password="+passwo rd);Las respuestas enviadas por el componente de Servicios interactivos tienen formato JSON, por lo que es necesario desglosarlas para recuperar la información útil que será presentada en pantalla. Para esto se hace uso de Jquery:
Var respuesta = jQuery.parseJSON(response);
exito = respuesta.exito;
nombre = respuesta.Nombre;
idusuario = respuesta.id;
VII. APLICACIÓN FINAL DE USUARIO
A continuación se describe de forma general el uso de la aplicación de usuario. Una vez el usuario ingresa el URI de la aplicación a través del navegador Web, debe ingresar los datos de autenticación: usuario y contraseña. Si los datos de autenticación son correctos, se notifica que el usuario se ha autenticado correctamente.
La Fig. 9 muestra la interfaz del prototipo que presenta la organización de servicios, catálogos y reproducción de contenidos.
]]>
La Fig. 10 muestra la interfaz que presenta el servicio interactivo del chat.
La Fig. 11 muestra la interfaz del servicio de recomendaciones.
VIII. PRUEBAS SOBRE EL PROTOTIPO
A. Entorno de pruebas
Para la realización de pruebas, se configuró una red como la mostrada en la Fig. 12. Un equipo es el servidor de la Aplicación IPTV, otro es el encargado de generar tráfico IP en la red con la herramienta Ostinato, otro es el monitor encargado de capturar datos con Wireshark, y el último es el cliente que realiza el consumo de la aplicación y obtiene datos de tiempo de respuesta con Jmeter.
]]> Con esta configuración, se realizó un conjunto de pruebas de rendimiento y de ancho de banda sobre el prototipo de la arquitectura propuesta.
B. Pruebas de Rendimiento
Se realizó dos pruebas de estrés relacionadas con el rendimiento del sistema con el fin de predecir su tiempo de respuesta frente a un conjunto de peticiones GET de acuerdo a los principios de REST. Al hacer uso de la herramienta Jmeter, se configuraron las pruebas de la siguiente manera: 1) se simuló un grupo de 50 usuarios que al tiempo realizaron 3 peticiones GET cada uno; 2) se simuló un grupo de 100 usuarios que al tiempo realizaron 3 peticiones GET cada uno.
Para las dos pruebas se configuró Jmeter de tal forma que las tres peticiones consistieron en validación, petición de los mensajes del chat y petición de la lista de recomendaciones. El análisis de los resultados obtenidos con Jmeter se hace calculando un intervalo de confianza con un nivel de 95%, suponiendo una distribución Normal de la población. Los datos de la primera prueba se presentan en la Fig. 13.
En la primera prueba, el servidor respondió a los 50 hilos con un rendimiento de 181,7 peticiones por segundo. Así mismo, el tiempo promedio para recibir una respuesta del servidor es de 270 milisegundos, realizándose un total de 12000 peticiones GET. Con los datos de la Fig. 13, se calcula un intervalo de confianza determinado por (2), el cual define los límites entre los que se espera una respuesta del servidor para una cantidad de usuarios que realiza peticiones de forma simultánea.
donde: tiempo promedio de respuesta TP = 270 ms; Z0,95 = 1,96; desviación estándar D = 64,57; número de muestras n = 12.000. Al remplazar los valores en (2) se obtuvo el intervalo de confianza:
[268,8447; 271,1553] en milisegundos. En la segunda prueba y con un procedimiento como el anterior, se obtiene un intervalo de confianza: [550,6053; 553,3946] en milisegundos. Según los resultados, el uso de los principios de REST en la arquitectura permite la implementación de servicios interactivos que bajo situaciones de estrés presentan un buen rendimiento, si se tiene en cuenta los límites relacionados con el tiempo de respuesta de una aplicación web [26]: 1 segundo es el límite en el cual el usuario siente que navega libremente sin esperar demasiado una respuesta del servidor.
C. Pruebas de Ancho de Banda
]]> Sobre el terminal de monitoreo se hizo un análisis de ancho de banda, con los datos de paquetes capturados por la herramienta Wireshark.La Fig. 14 corresponde al ancho de banda generado por la validación, petición de los mensajes de chat, y petición de la lista de recomendaciones. Se observa que se realiza un consumo periódico de ancho de banda de aproximadamente 80 Kbps que equivale al 2% de la velocidad del enlace (5 Mbps). La periodicidad es generada por la comunicación continua entre el cliente y el servidor, con el fin de establecer una actualización continua de información en servicios como el chat o las valoraciones promedio.
La Fig. 15 muestra la relación entre el ancho de banda total de la red, el ancho de banda utilizado por otros servicios aparte de la Aplicación IPTV y el utilizado cuando se reproduce un contenido en la aplicación. Se observa que la reproducción del contenido utiliza casi la totalidad del ancho de banda disponible, mientras se reduce el utilizado por otros servicios. Este resultado no se obtendrá siempre que se reproduzca un contenido en la Aplicación IPTV, debido a que está diseñada para una red no gestionada que no asegura QoS. Es decir, en algunas situaciones el ancho de banda de otros servicios hará que se reduzca el de la Aplicación IPTV en un entorno Web real.
IX. CONCLUSIONES
La arquitectura para el soporte del servicio de VoD apoyada en interactividad y sistemas de recomendaciones provee aportes en el área de la telemática como la convergencia de tecnologías, técnicas, protocolos, lenguajes y plataformas como Java, HTML, Python, JSON, REST y OWL, para ofrecer servicios de la web 2.0 en el contexto de VoD en IPTV. Además permite: el despliegue de servicios de apoyo, por ejemplo valoraciones, chat y recomendaciones con el fin de mejorar la experiencia del usuario en el uso del servicio de VoD; y la generación de conocimiento colaborativo en torno a un contexto específico, en este caso el cine.
Con el objetivo de generar recomendaciones más acertadas, posibilita el uso de servicios que permiten coleccionar información acerca de las preferencias de los usuarios. Por ejemplo, a través de la actividad en el chat, es posible inferir un porcentaje del nivel de interés de un usuario por un contenido sin que éste tenga que especificarlo a través del servicio de valoraciones. Debido a que existe el riesgo de que se afecte la privacidad de los usuarios, es necesario el uso de un mecanismo por medio del cual se acepten los términos de dicha inferencia.
Esta arquitectura puede utilizarse en entornos comerciales de demanda de películas y series de televisión. Desde el punto de vista académico, puede dar soporte a Comunidades Académicas Virtuales, en las que los miembros pueden generar y compartir contenidos educativos e intercambiar y construir conocimiento sobre un tema específico.
]]> El prototipo del servicio se validó a través de pruebas de rendimiento y ancho de banda en el Laboratorio de Televisión Digital de la Universidad del Cauca en un entorno controlado del canal. Como resultados, se estimó que en un escenario real el sistema podría responder a las peticiones de los usuarios de forma rápida en situaciones de estrés (elevado número de peticiones simultáneas). Esto, debido al uso de los principios de REST en la arquitectura, definidos para un consumo mínimo de recursos. De la prueba de ancho de banda, se encontró un comportamiento acorde al de un servicio sobre una red no gestionada: no se asegura QoS.
AGRADECIMIENTOS
Este proyecto se desarrolló con el apoyo de la Universidad del Cauca-Colombia, los proyectos STCAV (Servicios de t-Learning para el Soporte de una Comunidad Académica Virtual), GESTV (Plataforma de Gestión para un Sistema de t-Learning), Redauti y el grupo de investigación del Laboratorio de Televisión Digital de Vigo-España.
REFERENCIAS
[1] J. Hjelm, Why IPTV?, Interactivity, Technologies and Services. UK: Wiley, 2008, p. 358. [ Links ]
[2] F. Moumtadi, M. Escobar, R. Argota, y S. Landeros, "Reducción del retardo en el cambio de canal en servicios IPTV," Ingeniería, Investigación y Tecnología, vol. 9, No. 3, pp. 217-229, Ene. 2008. [ Links ]
]]>[3] R. Turrin and P. Cremonesi, "Recommender Systems for Interactive TV," 8th European Conference on Interactive TV and Video Tutorial, Jun. 2010. [ Links ]
[4] S. Vogl, P. Halbmayer, and C. Lichtenberger, "Media Space Navigator: Navigating Video Content on IPTV Portals," Lecture Notes in Computer Science, vol. 5066, pp. 248-252, Jul. 2008. [ Links ]
[5] C. Zheng and Z. Ming, "An efficient video similarity search strategy for video-on-demand systems," Broadband Network and Multimedia Technology, IC-BNMT '09. 2nd IEEE International Conference, pp. 174-178, Oct. 2009. [ Links ]
[6] C. Tan, G. Chang, X. Wang, and C. Zhu, "An EPG Recommender Framework with Information Exchange between Users," Hybrid Intelligent Systems, HIS '09, ninth International Conference, vol. 2, pp. 453-456, Aug. 2009. [ Links ]
[7] B. Xiao, J. Yan, X. Guo, and L. Leung, "IPTV: User Behavior Analysis," Management and Service Science, 2009. MASS '09. International Conference, pp. 1-4, Sep. 2009. [ Links ]
]]>[8] M. Ahmad, J. Qadir, N. Rehman, A. Baig, and H. Majeed, "Prediction-based channel zapping latency reduction techniques for IPTV systems - A survey," Emerging Technologies, 2009. ICET 2009. International Conference, pp. 466-470, Oct. 2009. [ Links ]
[9] M. Kim, S. Min Ko, J. Mun, G. Ji, and M. Jung, "A Usability Study on Personalized Epg (Pepg) Ui of Digital Tv," Lecture Notes In Computer Science, vol. 4552, pp. 892-901, jul. 2007. [ Links ]
[10] Y. Xue and Q. Gong, "Study on Internet Recommendation System of Collaborative Filtering Based on Scatter Diference," Computer, Mechatronics, Control and Electronic Engineering (CMCE), International Conference, vol. 1, pp. 160-163, Aug. 2010. [ Links ]
[11] K. Lee, K. Cho, and W. Ryu, "Social TV Service: A case study," Consumer Electronics (ICCE), IEEE International Conference, pp. 287-288, Jan. 2011. [ Links ]
[12] E. Kim and S. Ko, "Investigating User Adoption of Tcommerce," Computers, Networks, Systems and Industrial Engineering (CNSI), First ACIS/JNU International conference, pp. 95-99, May. 2011. [ Links ]
]]>[13] UK Government Digital Television. Disponible http://www.digitaltelevision.gov.uk. Consultado el 1 de Julio de 2012. [ Links ]
[14] G. Held, Understanding IPTV. New York: Auerbach publications, 2007, p. 189. [ Links ]
[15] B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, "Item-Based Collaborative Filtering Recommendation," Proceedings of the 10th international conference on World Wide Web, pp. 285-295, May 2005. [ Links ]
[16] W. Campo, G. Chanchí, y J. Arciniegas, "Arquitectura para el Soporte de Comunidades Académicas Virtuales en Ambientes de TDi", Universidad del Cauca, Colombia, 2010. [ Links ]
[17] Proyecto ST-CAV, disponible en: http://www.unicauca.edu.co/stcav/. Consultado el 1 de Julio de 2012. [ Links ]
]]>[18] J. Lloret, M. García, F. Boronat, "IPTV: la televisión por Internet", Editorial Vértice, Málaga, España, 2008, p. 230. [ Links ]
[19] Y., Blanco, Propuesta Metodológica para el Razonamiento Semántico en Sistemas de Recomendación Personalizada y Automática. Vigo, España: Universidad de Vigo, 2007. [ Links ]
[20] M. Björkman, L. Aroyo, M. Bellekens, T. Dekker, E. Loef and R. Pulles, "Personalised Home Media Centre Using Semantically Enriched TV-Anytime Content," 4th European Conference on Interactive Television (EuroITV-06), pp. 165-173, May 2006. [ Links ]
[21] X. Li, L. Xie, and G. Liu, "Study of VOD Server Architecture with the Array of the Balanced Nodes in Storage and Networks," Frontier of Computer Science and Technology (FCST), 2010 Fifth International Conference, pp. 214-218, Aug. 2010. [ Links ]
[22] O. Friedrich, R. Seeliger, A. Al-Hezmi, C. Riede, and S. Arbanowski, "Prototyping Interactive and Personalized IPTV-Services on Top of Open IMS Infrastructures," 8th European Conference on Interactive TV and Video, pp. 204-208, Jun. 2010. [ Links ]
]]>[23] The Protégé Ontology Editor and knowledge Acquisition System. Disponible: http://protege.stanford.edu. Consultado el 1 de Julio de 2012. [ Links ]
[24] Python Programming Language. Disponible: http://www.python.org/. Consultado el 1 de Julio de 2012. [ Links ]
[25] Apache Jena. Disponible: http://jena.apache.org/. Consultado el 1 de Julio de 2012. [ Links ]
[26] J. Nielsen, Usability Engineering. San Francisco, USA: Morgan Kaufman, 1994. [ Links ]
]]>