<?xml version="1.0" encoding="ISO-8859-1"?><article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<front>
<journal-meta>
<journal-id>1692-3324</journal-id>
<journal-title><![CDATA[Revista Ingenierías Universidad de Medellín]]></journal-title>
<abbrev-journal-title><![CDATA[Rev. ing. univ. Medellín]]></abbrev-journal-title>
<issn>1692-3324</issn>
<publisher>
<publisher-name><![CDATA[Universidad de Medellín]]></publisher-name>
</publisher>
</journal-meta>
<article-meta>
<article-id>S1692-33242014000100012</article-id>
<title-group>
<article-title xml:lang="es"><![CDATA[Análisis del comportamiento contextual del usuario y su relación con el consumo de aplicaciones móviles]]></article-title>
<article-title xml:lang="en"><![CDATA[Analysis of the contextual behavior of the user and its relation with the consumption of mobile applications]]></article-title>
</title-group>
<contrib-group>
<contrib contrib-type="author">
<name>
<surname><![CDATA[Rojas-Potosí]]></surname>
<given-names><![CDATA[Luis Antonio]]></given-names>
</name>
<xref ref-type="aff" rid="A01"/>
</contrib>
<contrib contrib-type="author">
<name>
<surname><![CDATA[Krug Wives]]></surname>
<given-names><![CDATA[Leandro]]></given-names>
</name>
<xref ref-type="aff" rid="A02"/>
</contrib>
<contrib contrib-type="author">
<name>
<surname><![CDATA[Fernández]]></surname>
<given-names><![CDATA[Alejandro]]></given-names>
</name>
<xref ref-type="aff" rid="A03"/>
</contrib>
<contrib contrib-type="author">
<name>
<surname><![CDATA[Corrales]]></surname>
<given-names><![CDATA[Juan Carlos]]></given-names>
</name>
<xref ref-type="aff" rid="A04"/>
</contrib>
</contrib-group>
<aff id="A01">
<institution><![CDATA[,Universidad del Cauca Grupo de Ingeniería Telemática ]]></institution>
<addr-line><![CDATA[Cauca Popayán]]></addr-line>
<country>Colombia</country>
</aff>
<aff id="A02">
<institution><![CDATA[,Universidad Federal de Rio Grande del Sur Instituto de informática Departamento de Informática Aplicada]]></institution>
<addr-line><![CDATA[Rio Grande do Sul Porto Alegre]]></addr-line>
<country>Brasil</country>
</aff>
<aff id="A03">
<institution><![CDATA[,Universidad Nacional de la Plata Facultad de Informática ]]></institution>
<addr-line><![CDATA[Buenos Aires ]]></addr-line>
<country>Argentina</country>
</aff>
<aff id="A04">
<institution><![CDATA[,Universidad del Cauca Departamento de Telemática ]]></institution>
<addr-line><![CDATA[Cauca Popayán]]></addr-line>
<country>Colombia</country>
</aff>
<pub-date pub-type="pub">
<day>00</day>
<month>06</month>
<year>2014</year>
</pub-date>
<pub-date pub-type="epub">
<day>00</day>
<month>06</month>
<year>2014</year>
</pub-date>
<volume>13</volume>
<numero>24</numero>
<fpage>165</fpage>
<lpage>179</lpage>
<copyright-statement/>
<copyright-year/>
<self-uri xlink:href="http://www.scielo.org.co/scielo.php?script=sci_arttext&amp;pid=S1692-33242014000100012&amp;lng=en&amp;nrm=iso"></self-uri><self-uri xlink:href="http://www.scielo.org.co/scielo.php?script=sci_abstract&amp;pid=S1692-33242014000100012&amp;lng=en&amp;nrm=iso"></self-uri><self-uri xlink:href="http://www.scielo.org.co/scielo.php?script=sci_pdf&amp;pid=S1692-33242014000100012&amp;lng=en&amp;nrm=iso"></self-uri><abstract abstract-type="short" xml:lang="es"><p><![CDATA[El mercado de aplicaciones móviles crece aceleradamente, captando la atención sobre el análisis del consumo de las mismas para mejorar su recomendación y la satisfacción del usuario, soportado en la búsqueda de información que permita explicar la ocurrencia de eventos del ciclo de vida de las aplicaciones. En este sentido algunos estudios muestran una fuerte relación entre dichos eventos e información sobre la situación contextual actual del usuario y su registro de consumo de aplicaciones. Sin embargo, dichos trabajos no consideran la relación existente entre el registro de estados de las dimensiones contextuales (denominado como CUBe) y la ocurrencia de eventos del ciclo de vida de las aplicaciones, tal como lo hace este estudio. En este sentido, se presenta un análisis estadístico sobre un dataset real, evidenciando una fuerte relación entre el CUBe y el lanzamiento de un conjunto de aplicaciones. Finalmente, se describe un escenario donde estas relaciones pueden ser utilizadas para enriquecer sistemas de recomendación para aplicaciones móviles.]]></p></abstract>
<abstract abstract-type="short" xml:lang="en"><p><![CDATA[The mobile applications market is growing rapidly, capturing the attention on the analysis of the consumption of applications to improve their recommendation and the satisfaction of the user. The analysis is based on the search for information that allow explaining the occurrence of events of the life cycle of the applications. In this sense, several studies show a strong relation between such events and information about the current contextual situation of the users and their application consumption record. Nevertheless, the mentioned studies do not take into account the relation existing between the contextual dimensions status record (known as CUBe), and the occurrence of application life cycle events, but it was taken into account for this research work. Therefore, a statistical analysis about an actual dataset is presented, evidencing a strong relation between the CUBe and the launch of a set of applications. Finally, a scenario where these relations can be used for enriching recommendation systems for mobile applications is described.]]></p></abstract>
<kwd-group>
<kwd lng="es"><![CDATA[Análisis contextual de comportamiento]]></kwd>
<kwd lng="es"><![CDATA[usuario]]></kwd>
<kwd lng="es"><![CDATA[aplicaciones móviles]]></kwd>
<kwd lng="en"><![CDATA[Contextual behavior analysis]]></kwd>
<kwd lng="en"><![CDATA[user]]></kwd>
<kwd lng="en"><![CDATA[mobile applications]]></kwd>
</kwd-group>
</article-meta>
</front><body><![CDATA[  <font size="2" face="Verdana, Arial, Helvetica, sans-serif">     <p align="right"><b>ART&Iacute;CULOS</b></p> 		    <p>&nbsp;</p>       <p align="center"><font face="Verdana" size="4"><b>An&aacute;lisis del comportamiento contextual del usuario y su relaci&oacute;n con el consumo de aplicaciones m&oacute;viles</b></font></p>     <p align="center">&nbsp;</p>     <p align="center"><font size="3"><b>Analysis of the contextual behavior of the user and its relation with the consumption of mobile applications</b></font></p>     <p align="center">&nbsp;</p>     <p>&nbsp;</p>     <p><b> Luis Antonio Rojas-Potos&iacute;<a href="#topo1"><sup>*</sup></a>; Leandro Krug Wives<a href="#topo2"><sup>**</sup></a>; Alejandro Fern&aacute;ndez<a href="#topo3"><sup>***</sup></a>; Juan Carlos Corrales<a href="#topo3"><sup>****</sup></a></b></p>     <p><a name="#topo1">*</a> Mag&iacute;ster(C) en Ingenier&iacute;a Telem&aacute;tica, investigador del Grupo de Ingenier&iacute;a Telem&aacute;tica de la Universidad del Cauca, Colombia, Popay&aacute;n &#8211; Cauca, Carrera 17 # 19N-166B, Tel: (+57-2) 8230443, email: <a href="mailto:jarojas@unicauca.edu.co">jarojas@unicauca.edu.co</a></p>     ]]></body>
<body><![CDATA[<p><a name="#topo2">**</a> PhD en Ciencias de la Computaci&oacute;n, profesor asociado en el Departamento de Inform&aacute;tica Aplicada del Instituto de inform&aacute;tica de la Universidad Federal de Rio Grande del Sur (UFRGS), Brasil, Porto Alegre &#8211; Rio Grande do Sul, UFRGS Sala: 233 - Predio 43424 (67) email: <a href="mailto:wives@inf.ufrgs.br">wives@inf.ufrgs.br</a></p>     <p><a name=”#topo3”>***</a> PhD en Ciencias de la Computaci&oacute;n, Profesor Titular de la Facultad de Inform&aacute;tica en la Universidad Nacional   de la Plata (UNLP), Argentina, Buenos Aires, Lifia, calle 50 y 115 La Plata, Prov. Buenos Aires, email: <a href="mailto:alejandro.fernandez@lifia.info.unlp.edu.ar">alejandro.fernandez@lifia.info.unlp.edu.ar</a></p>     <p><a name=”#topo4”>****</a> PhD en Ciencias de la Computaci&oacute;n, Profesor Titular del Departamento de Telem&aacute;tica de la Universidad del Cauca, Colombia, Popay&aacute;n &#8211; Cauca, Edificio de Ingenier&iacute;as sector Tulc&aacute;n, Oficina 403, Tel: (+57-2) 8209800, ext. 2129, email: <a href="mailto:jcorral@unicauca.edu.co">jcorral@unicauca.edu.co</a></p>     <p>&nbsp;</p>     <p>&nbsp;</p>     <p><b>Recibido</b>: 18/09/2013    <br>  <b> Aceptado:</b> 17/01/2014</p>     <p>&nbsp;</p>     <p>&nbsp;</p> <hr size="1"noshade>     <p><b>RESUMEN</b></p>     ]]></body>
<body><![CDATA[<p> El mercado de aplicaciones m&oacute;viles crece aceleradamente, captando la atenci&oacute;n sobre el an&aacute;lisis del consumo de las mismas para mejorar su recomendaci&oacute;n y la satisfacci&oacute;n del usuario, soportado en la b&uacute;squeda de informaci&oacute;n que permita explicar la ocurrencia de eventos del ciclo de vida de las aplicaciones. En este sentido algunos estudios muestran una fuerte relaci&oacute;n entre dichos eventos e informaci&oacute;n sobre la situaci&oacute;n contextual actual del usuario y su registro de consumo de aplicaciones. Sin embargo, dichos trabajos no consideran la relaci&oacute;n existente entre el registro de estados de las dimensiones contextuales (denominado como CUBe) y la ocurrencia de eventos del ciclo de vida de las aplicaciones, tal como lo hace este estudio. En este sentido, se presenta un an&aacute;lisis estad&iacute;stico sobre un dataset real, evidenciando una fuerte relaci&oacute;n entre el CUBe y el lanzamiento de un conjunto de aplicaciones. Finalmente, se describe un escenario donde estas relaciones pueden ser utilizadas para enriquecer sistemas de recomendaci&oacute;n para aplicaciones m&oacute;viles.</p>     <p><b>PALABRAS CLAVE</b></p>     <p> An&aacute;lisis contextual de comportamiento, usuario, aplicaciones m&oacute;viles.</p> <hr size="1"noshade>     <p><b>ABSTRACT</b></p>     <p> The mobile applications market is growing rapidly, capturing the attention on the analysis of the consumption of applications to improve their recommendation and the satisfaction of the user. The analysis is based on the search for information that allow explaining the occurrence of events of the life cycle of the applications. In this sense, several studies show a strong relation between such events and information about the current contextual situation of the users and their application consumption record. Nevertheless, the mentioned studies do not take into account the relation existing between the contextual dimensions status record (known as CUBe), and the occurrence of application life cycle events, but it was taken into account for this research work. Therefore, a statistical analysis about an actual dataset is presented, evidencing a strong relation between the CUBe and the launch of a set of applications. Finally, a scenario where these relations can be used for enriching recommendation systems for mobile applications is described.</p>     <p><b>KEY WORDS</b></p>     <p> Contextual behavior analysis, user, mobile applications.</p> <hr size="1"noshade>     <p>&nbsp;</p>     <p>&nbsp;</p> 		    <p><FONT SIZE="3" FACE="Verdana"><B> INTRODUCCI&Oacute;N </B></FONT></p>     ]]></body>
<body><![CDATA[<p>Los dispositivos m&oacute;viles han evolucionado desde aquellos con funcionalidades b&aacute;sicas de comunicaci&oacute;n, hasta los dispositivos multitarea actuales, capaces de soportar la mayor&iacute;a de actividades diarias del usuario con aplicaciones software. El mercado de estas aplicaciones crece constantemente, captando la atenci&oacute;n en el an&aacute;lisis de su consumo para mejorar procesos de recomendaci&oacute;n y experiencia de uso. En este sentido, uno de los principales temas de investigaci&oacute;n es la b&uacute;squeda de informaci&oacute;n que permita explicar la ocurrencia de eventos del ciclo de vida de las aplicaciones &#91;1&#93;; siendo el tel&eacute;fono m&oacute;vil la principal interfaz para la captura de diferentes tipos de datos que podr&iacute;an explicar dichos eventos &#91;2&#93;.</p>     <p>En este sentido, algunos estudios han mostrado una fuerte relaci&oacute;n entre los eventos del ciclo de vida de las aplicaciones y la situaci&oacute;n contextual actual del usuario &#91;1, 3, 4&#93;, la cual es el conjunto de los estados actuales en las diferentes dimensiones contextuales del usuario. Por otro lado, otros trabajos han utilizado las secuencias de consumo al margen de la informaci&oacute;n contextual, obteniendo una mejora al explicar el registro de consumo de aplicaciones &#91;5&#93;. Sin embargo, los trabajos mencionados no han explorado la relaci&oacute;n entre las secuencias de estados en las dimensiones contextuales y la ocurrencia de eventos del ciclo de vida de las aplicaciones, tal como lo hace la presente propuesta. En adelante, la secuencia de estados en dimensiones contextuales del usuario ser&aacute; referida como comportamiento contextual del usuario (CUBe) y su an&aacute;lisis ser&aacute; guiado por las siguientes preguntas:</p>     <p>&bull; &iquest;Existe alguna relaci&oacute;n entre el CUBe y el consumo de aplicaciones?</p>     <p>&bull; &iquest;C&oacute;mo el resultado del an&aacute;lisis entre el CUBe y el consumo de aplicaciones puede ser aplicado a dominios de investigaci&oacute;n relacionados?</p>     <p>Para responder estas preguntas, se presenta un an&aacute;lisis estad&iacute;stico orientado a describir el CUBe y su relaci&oacute;n con el consumo de aplicaciones, utilizando los datos recolectados por Nokia para el MDC Challenge'' &#91;6, 7&#93;. Los resultados muestran que dependiendo de la aplicaci&oacute;n m&oacute;vil se presentan diferentes niveles de relaci&oacute;n entre su consumo y el CUBe, destacando caracter&iacute;sticas comunes entre las aplicaciones con los mayores niveles de relaci&oacute;n. En este sentido, el an&aacute;lisis tambi&eacute;n presenta que dichos niveles son influenciados por la ventana de observaci&oacute;n de la muestra, siendo incrementada al tomar grupos de d&iacute;as agregados de acuerdo con caracter&iacute;sticas del CUBe. Como complemento, este art&iacute;culo describe un potencial escenario donde puede pueden ser aplicados los resultados del an&aacute;lisis.</p>     <p>As&iacute;, antes de presentar el an&aacute;lisis estad&iacute;stico en la secci&oacute;n 3, y la discusi&oacute;n de los resultados en la secci&oacute;n 4, primero se expondr&aacute; el planteamiento del problema en la secci&oacute;n 2. La secci&oacute;n 5 es dedicada a describir la diferencia entre este estudio y otros trabajos enfocados al an&aacute;lisis del consumo de aplicaciones. En la &uacute;ltima secci&oacute;n el lector encontrar&aacute; las conclusiones y los trabajos futuros.</p>     <p>&nbsp;</p> 		    <p><FONT SIZE="3" FACE="Verdana"><B> 1. PLANTEAMIENTO DEL PROBLEMA </B></FONT></p>     <p>En trabajos orientados al an&aacute;lisis contextual del consumo, contexto es generalmente definido como toda informaci&oacute;n que puede ser utilizada para caracterizar la situaci&oacute;n de una entidad, donde una entidad es una persona, lugar u objeto que es considerado relevante para la interacci&oacute;n entre el usuario y una aplicaci&oacute;n &#91;8, 9&#93;. Los tipos de informaci&oacute;n contenidos en la descripci&oacute;n del contexto son conocidos como dimensiones contextuales <img src="/img/revistas/rium/v13n24/v13n24a12e01.jpg">, por ejemplo <i>D={ubicaci&oacute;n, intensidad de luz, temperatura, etc}</i>. As&iacute;, el comportamiento contextual del usuario (CUBe) es definido como el conjunto <img src="/img/revistas/rium/v13n24/v13n24a12e02.jpg">, de registros hist&oacute;ricos <img src="/img/revistas/rium/v13n24/v13n24a12e03.jpg"> para cada una de las <i>n</i> dimensiones contextuales, donde <img src="/img/revistas/rium/v13n24/v13n24a12e04.jpg"> es el estado de la dimensi&oacute;n <i>i</i> en un tiempo <img src="/img/revistas/rium/v13n24/v13n24a12e05.jpg">. De acuerdo con la anterior definici&oacute;n, cada dimensi&oacute;n contextual considerada en el CUBe debe ser descrita por estados discretos. Por otro lado, la informaci&oacute;n sobre consumo de aplicaciones est&aacute; representada por un registro <img src="/img/revistas/rium/v13n24/v13n24a12e06.jpg"> que contiene tuplas de la forma {tiempo, aplicaci&oacute;n consumida, duraci&oacute;n de consumo}. Una interpretaci&oacute;n gr&aacute;fica de los datos es presentada en la <a href="#f1"> figura 1</a>.</p>     <p align="center"><a name="f1"></a><img src="/img/revistas/rium/v13n24/v13n24a12f1.jpg"></p>		    ]]></body>
<body><![CDATA[<p>&nbsp;</p>      <p>La <A href="#f1">figura 1a</a> representa de manera gr&aacute;fica el registro de cambios de estado de una variable contextual, que hace parte del CUBe. En dicha figura las flechas indican el cambio entre dos estados consecutivos, en tanto que las l&iacute;neas punteadas representan la permanencia en un estado. El problema del presente art&iacute;culo es identificar si existe una relaci&oacute;n entre los cambios de estado (flechas) y el consumo de aplicaciones. Por ejemplo: el problema para la aplicaci&oacute;n <i>a</i> en el caso de la <a href="#f1">figura 1</a> consiste en identificar una eventual relaci&oacute;n entre el consumo de dicha aplicaci&oacute;n y el cambio de estado inmediatamente anteriores a su consumo (sombreados con rojo).</p>     <p><FONT SIZE="2" FACE="Verdana"><B> 1.1. Colecci&oacute;n de datos </B></FONT></p>     <p>Para poder explorar el anterior problema, se utiliz&oacute; el dataset del MDC challenge &#91;6, 7&#93;. La versi&oacute;n disponible del dataset analizado contiene 184 participantes los cuales registran el uso 646 aplicaciones. Todos los datos fueron recolectados en smart-phones durante m&aacute;s de un a&ntilde;o. Para la exploraci&oacute;n de la relaci&oacute;n entre el CUBe y el consumo de aplicaciones, se redujo el espacio de observaci&oacute;n del CUBe a la dimensi&oacute;n contextual de afiliaci&oacute;n a celdas GSM'', la cual es comparada con el registro del consumo de aplicaciones.</p>     <p>&nbsp;</p> 		    <p><FONT SIZE="3" FACE="Verdana"><B> 2. AN&Aacute;LISIS DE LA RELACI&Oacute;N ENTRE CONSUMO Y CUBe </B></FONT></p>     <p>Este an&aacute;lisis contempla dos aproximaciones: una basada en el an&aacute;lisis estad&iacute;stico b&aacute;sico de las secuencias de celdas y la ocurrencia del consumo de aplicaciones para todo el per&iacute;odo observado, y otra enfocada en el an&aacute;lisis estad&iacute;stico espec&iacute;fico de grupos de d&iacute;as agregados de acuerdo con caracter&iacute;sticas del CUBe.</p> 		    <p><FONT SIZE="2" FACE="Verdana"><B> 2.1. An&aacute;lisis estad&iacute;stico general </B></FONT></p>     <p>Este an&aacute;lisis busca determinar dos tipos de relaciones: <i>i)</i> la probabilidad de que una secuencia <i>ss={s<SUB>t-2</SUB>,s<SUB>t-1</SUB>}</i> est&eacute; presente como antecedente al consumo de una aplicaci&oacute;n <i>a</i>, con respecto al n&uacute;mero de apariciones de <i>a</i> (<i>p(ss&#124;a)</i>), y <i>ii)</i> la probabilidad que la aplicaci&oacute;n a sea el consecuente de la aparici&oacute;n de la secuencia <i>ss</i>, con respecto al n&uacute;mero de apariciones de <i>ss</i> (<i>p(a&#124;ss)</i>). Una representaci&oacute;n gr&aacute;fica de la aproximaci&oacute;n propuesta se presenta en la <a href="#f2">figura 2</a>.</p>     <p>Estos dos tipos de probabilidades (<i>p(App&#124;ss)</i> y <i>p(ss&#124;App)</i>) pueden ser deducidos del an&aacute;lisis de la secuencia de estados contextuales y consumo de aplicaciones, producida al mezclar los registros de consumo y cambio del estado de variables contextuales. En este sentido, para cada aplicaci&oacute;n <i>a<SUB>i</SUB></i> consumida por el usuario <i>u</i>, se tendr&aacute; un conjunto de secuencias de la forma <img src="/img/revistas/rium/v13n24/v13n24a12e07.jpg">, las cuales contienen como tercer elemento a la aplicaci&oacute;n <i>a<SUB>i</SUB></i> a analizar. A su vez, para cada <i>ss</i> &uacute;nica del conjunto <b>A,</b> se analiza el conjunto de secuencias que en el registro del usuario contienen el fragmento <i>ss</i> como precedente <img src="/img/revistas/rium/v13n24/v13n24a12e08.jpg">, siendo <i>z<SUB>i</SUB></i> un registro correspondiente a una aplicaci&oacute;n o a un estado. Con base en los anteriores conjuntos se define el conjunto <i>C<SUB>j</SUB></i> como la intersecci&oacute;n que contiene todas las secuencias <i>ssa</i> que tienen a <i>ss<SUB>j</SUB></i> como antecedente y a <i>a<SUB>i</SUB></i> como precedente. A partir de A, B y C se obtiene las probabilidades <i>p(ss&#124;a) y</i> <i>p(a&#124;ss)</i> tal como lo presenta la <a href="#f2"> figura 2. </a> </p>     ]]></body>
<body><![CDATA[<p align="center"><a name="f2"></a><img src="/img/revistas/rium/v13n24/v13n24a12f2.jpg"></p>		    <p>&nbsp;</p>      <p>Como resultado, para cada aplicaci&oacute;n <i>a<SUB>i</SUB></i>y cada secuencia <i>ss<SUB>j</SUB></i> se tiene los valores de &#124;A&#124;, &#124;B&#124;, &#124;C&#124;, <i>p(ss<SUB>j </SUB>&#124;a<SUB>i</SUB>) y</i> <i>p(a<SUB>i</SUB>&#124;ss<SUB>j </SUB>)</i>; de gran importancia es el valor de <i>p(a<SUB>i</SUB>&#124;ss<SUB>j </SUB>),</i> ya que indica el grado de relaci&oacute;n entre la aparici&oacute;n de la secuencia <i>ss<SUB>j</SUB></i> y el consumo de la aplicaci&oacute;n <i>a<SUB>i</SUB></i>. Sin embargo, <i>p(a<SUB>i</SUB>&#124;ss<SUB>j</SUB>)</i> es sumamente elevado en secuencias <i>ss<SUB>j</SUB></i> que solamente suceden una vez, generando valores at&iacute;picos en dichas situaciones, los cuales, al depender solamente de un valor fortuito, no representan una relaci&oacute;n clara entre la aparici&oacute;n de la secuencia <i>ss</i> y el consumo de la aplicaci&oacute;n <i>a<SUB>i</SUB></i>. Por otro lado, cada uno de los anteriores valores se encuentra asociado a una secuencia <i>ssa</i>, y no permite identificar el grado de relaci&oacute;n general entre el consumo de la aplicaci&oacute;n <i>a<SUB>i</SUB></i> y el cambio de estados de la dimensi&oacute;n contextual. Por tal raz&oacute;n, se propone <i>car</i> (CUBe-App-relationship), como una medida que agrega los anteriores valores describiendo un nivel de relaci&oacute;n entre el cambio de estados (en general) y el consumo de una aplicaci&oacute;n espec&iacute;fica, tal como lo presenta la siguiente ecuaci&oacute;n:</p>     <p><img src="/img/revistas/rium/v13n24/v13n24a12e09.jpg"></p>     <p>Donde, <img src="/img/revistas/rium/v13n24/v13n24a12e10.jpg">corresponde al conjunto de todas las secuencias &uacute;nicas que cumplen con las siguientes condiciones:</p>     <p>&bull; &#124;A&#124; &gt;1, descarta aquellas aplicaciones que solamente se consumen una vez en el periodo observado. El valor de <i>car</i> para dichas aplicaciones es cero.</p>     <p>&bull; &#124;B&#124;&gt;th<SUB>1</SUB>, esta condici&oacute;n excluye a aquellas secuencias <i>ss</i> que se presentan de manera &uacute;nica y no explican una relaci&oacute;n entre el CUBe y el consumo de aplicaciones. Para el caso del presente art&iacute;culo el valor de <i>th<SUB>1</SUB></i>es 1.</p>     <p>&bull; <i>p(a&#124;ss) &gt;</i> th<SUB>2</SUB> <i>,</i>esta condici&oacute;n es utilizada para descartar a aquellas secuencias ssa que presentan una baja relaci&oacute;n entre su ocurrencia y el lanzamiento de la aplicaci&oacute;n <i>a<SUB>i</SUB></i></p>     <p>Los l&iacute;mites <i>th<SUB>1</SUB></i>y <i>th<SUB>2</SUB></i> son utilizados para regular las condiciones anteriores. El l&iacute;mite <i>th<SUB>2</SUB></i> se encuentra en un rango de 0 (cero) a 1(uno) y al igual que <i>th<SUB>1</SUB></i>guarda una relaci&oacute;n inversa con el valor del <i>car,</i> tal como lo presentada la <a href="#f3"> figura 3. </a> </p>     <p align="center"><a name="f3"></a><img src="/img/revistas/rium/v13n24/v13n24a12f3.jpg"></p>		    ]]></body>
<body><![CDATA[<p>&nbsp;</p>      <p>Sin embargo, a pesar del grado de generalidad alcanzada por el valor de <i>car</i>, a&uacute;n no es posible deducir un nivel de relaci&oacute;n entre el CUBe y el consumo de la aplicaci&oacute;n analizada. Por tal motivo, y a partir del an&aacute;lisis de la gr&aacute;fica <i>car</i> versus th<SUB>2</SUB>, se propone una aproximaci&oacute;n a dicho nivel de relaci&oacute;n, mediante el c&aacute;lculo del &aacute;rea bajo la curva del <i>car, denominada carl</i> (CUBe-App-Relationship level), dependiendo de th<SUB>2</SUB>, como lo presenta la siguiente ecuaci&oacute;n:</p>     <p><img src="/img/revistas/rium/v13n24/v13n24a12e11.jpg"></p>     <p>De esta manera, se genera una matriz de la forma <i>M<SUB>m x n</SUB></i> donde cada celda almacena los valores de <i>carl<SUB>j,i</SUB></i>para cada usuario <i>u<SUB>j</SUB></i> y aplicaci&oacute;n <i>a<SUB>i</SUB></i>. El valor del <i>carl</i>representa el valor de la relaci&oacute;n entre el cambio de estados contextuales de la dimensi&oacute;n analizada y el lanzamiento de una aplicaci&oacute;n m&oacute;vil. Las columnas de la matriz corresponden a vectores <b>y<SUB>i</SUB></b> (valores del <i>carl</i> para una misma aplicaci&oacute;n <i>a<SUB>i</SUB></i> dada por distintos usuarios) de longitud <i>m,</i> y las filas a vectores <b>x<SUB>j</SUB></b> (valores del carl asociado a un mismo usuario u<SUB>j</SUB> y distintas aplicaciones) de longitud <i>n</i>. Al calcular la media de los vectores y<SUB>i</SUB> y organizarla de mayor a menor se obtienen las <a href="#f4"> figuras 4a y 4b: </a> </p>     <p align="center"><a name="f4"></a><img src="/img/revistas/rium/v13n24/v13n24a12f4.jpg"></p>		    <p>&nbsp;</p>      <p>Como se puede apreciar en las <a href="#f4">figuras 4a</a> y <a href="#f4">4b</a>, la m&aacute;xima media alcanzada por una aplicaci&oacute;n corresponde a 0.35. Sin embargo, dicha media se presenta en una aplicaci&oacute;n que ha sido consumida solamente por un usuario durante todo el per&iacute;odo de observaci&oacute;n del dataset (<a href="#f4">figura4c</a>). As&iacute;, debido a su bajo aporte en la descripci&oacute;n estad&iacute;stica, se descartaron aquellas aplicaciones que han sido consumidas por menos de 10 usuarios de los 184, las <a href="#f4">figuras 4d</a>, <a href="#f4">4e</a> y <a href="#f4">4f</a>. En la <a href="#f4">figura 4f</a> se puede observar que las aplicaciones que presentan mayor media en su valor de <i>carl</i> tienen varios valores extremos altos, muy superiores a la m&aacute;xima mediana, lo cual no explica el bajo valor de la media en la figura 4e. Sin embargo, la gr&aacute;fica de los cuartiles en la <a href="#f4">figura 4f</a> expone una gran concentraci&oacute;n de valores levemente inferiores a la media, repercutiendo en un bajo nivel de desviaci&oacute;n est&aacute;ndar para aplicaciones con altos valores de media, <a href="#f4">figura 4e</a>. Por otro lado, para aquellas aplicaciones con bajo valor medio del c<i>arl</i> la desviaci&oacute;n est&aacute;ndar tiene valores elevados con relaci&oacute;n a su media, <a href="#f4">figura 4d</a>. En este sentido, la desviaci&oacute;n est&aacute;ndar no presenta una relaci&oacute;n significativa directa con el valor de la media para el caso de las aplicaciones con alto valor medio de <i>carl</i>. En dicho caso, la correlaci&oacute;n entre el valor de desviaci&oacute;n y media de las aplicaciones con mayor media, presenta incluso valores negativos (&#8211;0.27), como lo sugiere la <a href="#f5"> figura 5, </a> en la cual se presenta el coeficiente de correlaci&oacute;n de Pearson al comparar los vectores de media y desviaci&oacute;n est&aacute;ndar de las top-k aplicaciones seg&uacute;n la media, variando el <i>k</i>.</p>     <p align="center"><a name="f5"></a><img src="/img/revistas/rium/v13n24/v13n24a12f5.jpg"></p>		    <p>&nbsp;</p>      <p>Lo anterior indica que estas top-20 aplicaciones tienden a disminuir su valor de desviaci&oacute;n est&aacute;ndar a medida que el valor medio del <i>carl</i> aumenta y sugieren que en m&uacute;ltiples usuarios existe una relaci&oacute;n <i>estable</i> entre el cambio de estados de la variable contextual y el consumo de dicha aplicaci&oacute;n.</p>     ]]></body>
<body><![CDATA[<p>A su vez, con el fin de encontrar la relaci&oacute;n existente entre las <i>carl-top-k</i> aplicaciones, se analiz&oacute; su nivel de correlaci&oacute;n (entre aplicaciones) utilizando los valores del <i>carl</i>, a partir de la <a href="#f6">figura 6</a>.</p>     <p>La <a href="#f6"> figura 6 </a> presenta una leve tendencia a tener altos valores de correlaci&oacute;n entre las aplicaciones que presentan mayor valor medio de <i>carl</i> (esquina superior izquierda <a href="#f6">figura 6</a>). Lo anterior sugiere que este tipo de aplicaciones son influenciadas de manera similar dependiendo del comportamiento contextual individual del usuario, en este caso enfocado en la dimensi&oacute;n de celdas GSM. En otras palabras, si un usuario presenta un alto nivel de <i>carl</i> con alguna aplicaci&oacute;n que tiene un alto valor medio de <i>carl</i>, es muy probable que las dem&aacute;s aplicaciones con alto nivel medio de <i>carl</i> tengan un valor de <i>carl</i> alto para ese usuario. Lo anterior sugiere la existencia de un conjunto de aplicaciones cuyo nivel de <i>carl</i> se encuentra correlacionado, presentando la posibilidad de utilizar este hecho en sistemas de filtrado colaborativo, en el sentido de recomendar aplicaciones con un alto valor medio de <i>carl</i>, si el usuario presenta un alto nivel de <i>carl</i> para una de ellas.</p>     <p align="center"><a name="f6"></a><img src="/img/revistas/rium/v13n24/v13n24a12f6.jpg"></p>		    <p>&nbsp;</p>  		    <p><FONT SIZE="2" FACE="Verdana"><B> 2.2. An&aacute;lisis sobre agrupaciones de d&iacute;as de acuerdo con la dimensi&oacute;n contextual </B></FONT></p>     <p>En el an&aacute;lisis estad&iacute;stico se pueden observar valores de <i>carl</i> relativamente bajos. Sin embargo, ese hecho no indica de manera absoluta que la relaci&oacute;n entre el CUBe y el consumo de aplicaciones sea baja. En este sentido, buscando determinar factores de observaci&oacute;n, que influyan sobre el <i>carl</i>, se analiz&oacute; el impacto del per&iacute;odo de tiempo de la muestra observada, con base en diversos estudios que han demostrado que las caracter&iacute;sticas contextuales del usuario presentan diferencias dependiendo del periodo de tiempo observado; la agrupaci&oacute;n por d&iacute;as fue el factor m&aacute;s com&uacute;n en el an&aacute;lisis &#91;1, 10, 11, 3&#93;. A partir de esa premisa, se decidi&oacute; analizar el CUBe por d&iacute;a, utilizando la aproximaci&oacute;n presentada por Huang en &#91;11&#93;, de la cual se adapt&oacute; su algoritmo para la detecci&oacute;n de lugares significativos (algoritmo 1 &#91;11&#93;) en la detecci&oacute;n de grupos de d&iacute;as destacados seg&uacute;n caracter&iacute;sticas del CUBe. Dicho algoritmo genera un conjunto de grupos destacados de d&iacute;as, para los cuales se analiza el <i>carl</i> por aplicaci&oacute;n, dependiendo del usuario. Un ejemplo de los resultados obtenidos es presentado en la <a href="#f7">figura 7</a>.</p>     <p>En la <a href="#f7"> figura 7</a> los grupos destacados tienen identificadores num&eacute;ricos, obtenidos por el algoritmo. Los identificadores 0'' y &#8211;1'' corresponden al grupo que contiene a todos los d&iacute;as y al grupo que contiene a los d&iacute;as que no pertenecen a un grupo destacado, respectivamente. En dicha figura se puede observar que el valor del <i>carl</i> es superior para el grupo destacado 11''; el caso contrario es presentado por el grupo 39''. De este ejemplo se resalta que el valor del <i>carl</i> puede ser afectado al especificar los d&iacute;as de observaci&oacute;n. Sin embargo, este resultado espec&iacute;fico no nos permite generalizar el hecho de que el valor del <i>carl</i> puede incrementarse al ser observado en un conjunto espec&iacute;fico de d&iacute;as.</p>     <p align="center"><a name="f7"></a><img src="/img/revistas/rium/v13n24/v13n24a12f7.jpg"></p>		    <p>&nbsp;</p>      <p>Con el fin de generalizar dichos resultados se realiz&oacute; una comparaci&oacute;n entre el m&aacute;ximo valor de <i>carl</i> obtenido en los grupos destacados y el valor observado en el grupo de todos los d&iacute;as'' ( 0''). Dicha comparaci&oacute;n fue realizada para cada una de las 7255 tuplas de la forma <i>{usuario, aplicaci&oacute;n}</i>. De dicha comparaci&oacute;n se observ&oacute; que para el 80 % de las tuplas (5.825), el valor del <i>carl</i> de alguno de los grupos destacados supera al valor del <i>carl</i> calculado para el grupo de todos los d&iacute;as. A su vez, para cada dupla se analiz&oacute; la relaci&oacute;n entre la diferencia del valor m&aacute;ximo observado en uno de los grupos destacados y el observado en grupo de todos los d&iacute;as, obteniendo los valores de la <a href="#t1"> tabla 1</a> :</p>     ]]></body>
<body><![CDATA[<p align="center"><a name="t1"></a><img src="/img/revistas/rium/v13n24/v13n24a12t1.jpg"></p>		    <p>&nbsp;</p>      <p>De los anteriores valores estad&iacute;sticos se puede apreciar que el <i>carl</i> m&aacute;ximo de los grupos de d&iacute;as destacados es superior al <i>carl</i> de todos los d&iacute;as, reforzando la premisa de que al enfocar el an&aacute;lisis en un grupo de d&iacute;as similares (de acuerdo a sus estados contextuales) se puede incidir en el aumento del nivel del <i>carl.</i> Lo anterior sugiere que el nivel de relaci&oacute;n entre el consumo de aplicaciones y el CUBe depende del tiempo de observaci&oacute;n; a su vez, si el tiempo de observaci&oacute;n es seleccionado de acuerdo con caracter&iacute;sticas del CUBe (como lo realiza la adaptaci&oacute;n del algoritmo de Huang) el valor del <i>carl</i> tiende a aumentar.</p>     <p>&nbsp;</p> 		    <p><FONT SIZE="3" FACE="Verdana"><B> 3. DISCUSI&Oacute;N </B></FONT></p>     <p>Despu&eacute;s del an&aacute;lisis del dataset MDC, utilizando una medida que permite cuantificar el nivel de relaci&oacute;n entre el CUBe del usuario y su registro de consumo de aplicaciones (<i>carl</i>) se observaron los siguientes hechos: <i>i)</i> la relaci&oacute;n entre el CUBe y el consumo de aplicaciones no se presenta con el mismo nivel para todas las aplicaciones m&oacute;viles. <i>ii)</i> Aquellas aplicaciones con un elevado valor medio de carl, comparten algunas caracter&iacute;sticas en com&uacute;n, como la alta correlaci&oacute;n de su valor de <i>carl</i> dependiendo de sus usuarios (figura 6). <i>iii)</i> Existe una fuerte relaci&oacute;n entre el CUBe y el consumo de las top-k aplicaciones de acuerdo con su valor medio de <i>Carl</i>, lo cual es soportado por el hecho de que los valores del <i>carl</i> para las aplicaciones que presentan altos valores medios son estables respecto a su desviaci&oacute;n est&aacute;ndar, presentan en algunos casos una relaci&oacute;n inversa entre la desviaci&oacute;n est&aacute;ndar y la media, e indican que un alto valor medio del <i>carl</i> no se explica por una distribuci&oacute;n aleatoria de sus componentes. <i>iv)</i> El <i>carl</i> es dependiente del periodo de observaci&oacute;n y su valor puede incrementarse si se focaliza en d&iacute;as similares de acuerdo con el CUBe del usuario. Este &uacute;ltimo hecho sugiere que existen d&iacute;as en los cuales el comportamiento del usuario puede explicar en mayor medida el consumo de ciertas aplicaciones, hecho que puede ser utilizado para mejorar sistemas de recomendaci&oacute;n y la usabilidad de las aplicaciones.</p> 		    <p><FONT SIZE="2" FACE="Verdana"><B> 3.1 Descripci&oacute;n de un escenario de aplicaci&oacute;n </B></FONT></p>     <p>Un ejemplo de la utilizaci&oacute;n de los anteriores hallazgos es la construcci&oacute;n de nuevos sistemas de recomendaci&oacute;n de aplicaciones m&oacute;viles. Un sistema de recomendaci&oacute;n de aplicaciones m&oacute;viles busca generar sugerencias de aplicaciones &uacute;tiles al usuario, evit&aacute;ndole la complejidad relacionada con el an&aacute;lisis de la informaci&oacute;n descriptiva de todas las miles de aplicaciones existentes en las tiendas &#91;12, 13&#93;. As&iacute;, en este dominio, se podr&iacute;an generar nuevos sistemas de recomendaci&oacute;n que podr&iacute;an tener las siguientes capacidades, entre otras:</p>     <p>&bull; A partir de la detecci&oacute;n del tipo de d&iacute;a con respecto a una dimensi&oacute;n del CUBe del usuario podr&iacute;an recomendar nuevas aplicaciones, altamente utilizadas en d&iacute;as similares, y relacionar el cambio de estado que presente mayor probabilidad para la aceptaci&oacute;n de la recomendaci&oacute;n.</p>     <p>&bull; Recomendar aplicaciones con niveles de <i>carl</i> elevados de acuerdo con el <i>carl</i> presentado en usuarios con comportamiento contextual similar. Este tipo de recomendaciones podr&iacute;a soportarse en: <i>i)</i> el an&aacute;lisis de matrices <i> usuario frente a aplicaciones'',</i> donde las celdas pueden ser valores del <i>carl</i>, o <i>i)</i> el an&aacute;lisis de la similitud del usuario mediante la representaci&oacute;n del CUBe del usuario con otros modelos probabil&iacute;sticos que permitan su comparaci&oacute;n.</p>     ]]></body>
<body><![CDATA[<p>Las anteriores aproximaciones podr&iacute;an entregar recomendaciones de aplicaciones frecuentemente utilizadas y relevantes para momentos espec&iacute;ficos del d&iacute;a, caracterizados por el cambio de estados en las distintas dimensiones contextuales. El &eacute;xito de este tipo de sistemas podr&iacute;a ser medido a varios niveles relacionados con el estado de consumo conseguido por las aplicaciones recomendadas (descartada, vista, utilizada solamente una vez, utilizada frecuentemente), tal como lo describe el trabajo de B&ouml;hmer &#91;5&#93;.</p>     <p>&nbsp;</p> 		    <p><FONT SIZE="3" FACE="Verdana"><B> 4. TRABAJOS RELACIONADOS </B></FONT></p>     <p>Este trabajo se enmarca dentro del &aacute;rea de an&aacute;lisis de consumo de aplicaciones m&oacute;viles. Dicha &aacute;rea aborda la explicaci&oacute;n de los eventos del ciclo de vida de las aplicaciones, a partir de la observaci&oacute;n de diferentes tipos de informaci&oacute;n. Entre los primeros trabajos se destacan los de Bohmer &#91;12, 4, 14&#93;, los cuales exploraron la relaci&oacute;n existente entre el consumo de aplicaciones y distintas dimensiones contextuales y demogr&aacute;ficas, encontrando varios indicios de la dependencia del consumo de ciertos grupos de aplicaciones de acuerdo con las caracter&iacute;sticas del contexto actual del usuario. En esta l&iacute;nea, trabajos posteriores lograron resultados relevantes al analizar la probabilidad de la co-ocurrencia entre estados actuales de dimensiones contextuales y su influencia en el lanzamiento de aplicaciones, resaltando la utilizaci&oacute;n de informaci&oacute;n sobre el tiempo, la localizaci&oacute;n, el perfil demogr&aacute;fico del usuario y la &uacute;ltima aplicaci&oacute;n utilizada &#91;11, 5, 15&#93;. Sin embargo, estos trabajos, a diferencia del trabajo de Natarajan &#91;16&#93;, no han considerado el concepto de CUBe, relacionado con el historial de los estados de las dimensiones contextuales. En el trabajo de Natarajan se utiliza el concepto de contexto interaccional, el cual es an&aacute;logo al CUBe, relacion&aacute;ndolo con el registro/secuencia de aplicaciones utilizadas en la sesi&oacute;n actual del usuario. En dicho trabajo se destaca que la naturaleza repetitiva del consumo de aplicaciones hace posible explorar la relaci&oacute;n entre su consumo y distintos registros hist&oacute;ricos de informaci&oacute;n del usuario. Sin embargo, dicho trabajo no explora modelos que permitan relacionar registros de diferentes dimensiones contextuales y el consumo de aplicaciones, como es realizado en el presente trabajo, en el cual se expone un an&aacute;lisis estad&iacute;stico sobre esta relaci&oacute;n, modelos que la describen y factores que la influencian.</p>     <p>&nbsp;</p> 		    <p><FONT SIZE="3" FACE="Verdana"><B> 5. CONCLUSIONES </B></FONT></p>     <p>Este an&aacute;lisis exploratorio brind&oacute; herramientas estad&iacute;sticas que permitieron determinar la existencia de una clara relaci&oacute;n entre el CUBe del usuario y el consumo de aplicaciones. Cabe resaltar que, como era esperado, no todas las aplicaciones tienden a presentar una estrecha relaci&oacute;n entre su consumo y el CUBe del usuario. Adem&aacute;s, este estudio permiti&oacute; determinar que el tiempo de observaci&oacute;n del CUBe y el consumo puede incidir positivamente en el valor de dicha relaci&oacute;n.</p>     <p>Los resultados de este estudio exploratorio pueden ser potencialmente utilizados en diferentes &aacute;reas de aplicaci&oacute;n, resaltando especialmente la generaci&oacute;n de nuevas t&eacute;cnicas de agregaci&oacute;n de informaci&oacute;n para la recomendaci&oacute;n de aplicaciones. En dicha &aacute;rea, se espera que la utilizaci&oacute;n de un enfoque centrado en el CUBe del usuario conduzca a recomendaciones novedosas, altamente personalizadas y con caracter&iacute;sticas proactivas &#91;17&#93;.</p>     <p>Como trabajos futuros se destaca la implementaci&oacute;n del escenario propuesto para sistemas de recomendaci&oacute;n de aplicaciones m&oacute;viles, la aplicaci&oacute;n de este an&aacute;lisis exploratorio en distintos datasets, involucrando nuevas dimensiones contextuales, y la extensi&oacute;n de este an&aacute;lisis enfocado en la predicci&oacute;n del CUBe del usuario.</p>     <p>&nbsp;</p> 		    ]]></body>
<body><![CDATA[<p><FONT SIZE="3" FACE="Verdana"><B> AGRADECIMIENTOS </B></FONT></p>     <p>Este art&iacute;culo utiliz&oacute; fragmentos del dataset MDC, disponible por el instituto de Investigaci&oacute;n Idiap, Suiza y propiedad de Nokia. El trabajo del MSc(c) Luis Antonio Rojas-Potosi es financiado por COLCIENCIAS y el departamento de Telem&aacute;tica de la Universidad del Cauca por medio del proyecto TelComp2.0, convenio 521.</p>     <p>&nbsp;</p> 		    <p><FONT SIZE="3" FACE="Verdana"><B> REFERENCIAS </B></FONT></p>     <!-- ref --><p>&#91;1&#93; M. B&ouml;hmer, B. Hecht, J. Sch&ouml;ning, A. Kr&uuml;ger and G. Bauer, Falling asleep with Angry Birds, Facebook and Kindle: a large scale study on mobile application usage,'' New York, NY, USA, 2011.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000107&pid=S1692-3324201400010001200001&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;2&#93; N. Aharony, Social fMRI : measuring and designing social mechanisms using mobile phones,'' Boston, MA, 2012.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000109&pid=S1692-3324201400010001200002&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;3&#93; W. Pan, N. Aharony and A. Pentland, Composite Social Network for Predicting Mobile Apps Installation,'' <i>CoRR,</i> vol. abs/1106.0359, 2011.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000111&pid=S1692-3324201400010001200003&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     ]]></body>
<body><![CDATA[<!-- ref --><p>&#91;4&#93; H. Falaki, R. Mahajan, S. Kandula, D. Lymberopoulos, R. Govindan and D. Estrin, Diversity in smartphone usage,'' New York, NY, USA, 2010.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000113&pid=S1692-3324201400010001200004&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;5&#93; M. B&ouml;hmer and L. Ganev, AppFunnel: A Framework for Usage-centric Evaluation of Recommender Systems that Suggest Mobile Applications,'' 2013.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000115&pid=S1692-3324201400010001200005&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;6&#93; J. Laurila, D. Gatica-Perez, I. Aad, J. Blom, O. Bornet, T. Do, O. Dousse, J. Eberle and M. Miettinen, The mobile data challenge: Big data for mobile computing research,'' 2012.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000117&pid=S1692-3324201400010001200006&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;7&#93; N. Kiukkonen, J. Blom, O. Dousse, D. Gatica-Perez and J. Laurila, Towards rich mobile phone datasets: Lausanne data collection campaign,'' Berlin, 2010.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000119&pid=S1692-3324201400010001200007&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;8&#93; A. K. Dey, Understanding and Using Context,'' <i>Personal Ubiquitous Comput.,</i> vol. 5, pp. 4-7, January 2001.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000121&pid=S1692-3324201400010001200008&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     ]]></body>
<body><![CDATA[<!-- ref --><p>&#91;9&#93; G. Adomavicius and A. Tuzhilin, Context-Aware Recommender Systems,'' in <i>Recommender Systems Handbook</i>, F. Ricci, L. Rokach, B. Shapira and P. B. Kantor, Eds., Springer US, 2011, pp. 217-253.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000123&pid=S1692-3324201400010001200009&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;10&#93; L. Baltrunas, B. Ludwig, S. Peer and F. Ricci, Context relevance assessment and exploitation in mobile recommender systems,'' <i>Personal and Ubiquitous Computing,</i> vol. 16, pp. 507-526, 2012.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000125&pid=S1692-3324201400010001200010&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;11&#93; K. Huang, C. Zhang, X. Ma and G. Chen, Predicting mobile application usage using contextual information,'' New York, NY, USA, 2012.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000127&pid=S1692-3324201400010001200011&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;12&#93; M. B&ouml;hmer, G. Bauer and A. Kr&uuml;ger, Exploring the Design Space of Context-aware Recommender Systems that Suggest Mobile Applications,'' Barcelona, Spain, 2010.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000129&pid=S1692-3324201400010001200012&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;13&#93; F. Ricci, L. Rokach and B. Shapira, Introduction to Recommender Systems Handbook,'' in <i>Recommender Systems Handbook</i>, F. Ricci, L. Rokach, B. Shapira and P. B. Kantor, Eds., Springer US, 2011, pp. 1-35.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000131&pid=S1692-3324201400010001200013&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     ]]></body>
<body><![CDATA[<!-- ref --><p>&#91;14&#93; Q. Xu, J. Erman, A. Gerber, Z. Mao, J. Pang and S. Venkataraman, Identifying diverse usage behaviors of smartphone apps,'' New York, NY, USA, 2011.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000133&pid=S1692-3324201400010001200014&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;15&#93; T. Yan, D. Chu, D. Ganesan, A. Kansal and J. Liu, Fast app launching for mobile devices using predictive user context,'' New York, NY, USA, 2012.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000135&pid=S1692-3324201400010001200015&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;16&#93; N. Natarajan, D. Shin and I. S. Dhillon, Which App Will You Use Next?: Collaborative Filtering with Interactional Context,'' New York, NY, USA, 2013.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000137&pid=S1692-3324201400010001200016&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;17&#93; L. Rojas-Potosi, L. Suarez-Meza, L. Ordo&ntilde;ez-Ante and J. Corrales, Web Resources Recommendation based on Dynamic Prediction of User Consumption on the Social Web,'' 2012.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000139&pid=S1692-3324201400010001200017&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     <!-- ref --><p>&#91;18&#93; J. Zhuang, T. Mei, S. C. Hoi, Y.-Q. Xu and S. Li, When recommendation meets mobile: contextual and personalized recommendation on the go,'' New York, NY, USA, 2011.    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[&#160;<a href="javascript:void(0);" onclick="javascript: window.open('/scielo.php?script=sci_nlinks&ref=000141&pid=S1692-3324201400010001200018&lng=','','width=640,height=500,resizable=yes,scrollbars=1,menubar=yes,');">Links</a>&#160;]<!-- end-ref --></p>     ]]></body>
<body><![CDATA[<p>&nbsp;</p> </font>      ]]></body><back>
<ref-list>
<ref id="B1">
<label>1</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Böhmer]]></surname>
<given-names><![CDATA[M.]]></given-names>
</name>
<name>
<surname><![CDATA[Hecht]]></surname>
<given-names><![CDATA[B.]]></given-names>
</name>
<name>
<surname><![CDATA[Schöning]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Krüger]]></surname>
<given-names><![CDATA[A.]]></given-names>
</name>
<name>
<surname><![CDATA[Bauer]]></surname>
<given-names><![CDATA[G.]]></given-names>
</name>
</person-group>
<source><![CDATA[Falling asleep with Angry Birds, Facebook and Kindle: a large scale study on mobile application usage]]></source>
<year>2011</year>
<publisher-loc><![CDATA[New York^eNY NY]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B2">
<label>2</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Aharony]]></surname>
<given-names><![CDATA[N.]]></given-names>
</name>
</person-group>
<source><![CDATA[Social fMRI: measuring and designing social mechanisms using mobile phones]]></source>
<year>2012</year>
<publisher-loc><![CDATA[Boston^eMA MA]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B3">
<label>3</label><nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Pan]]></surname>
<given-names><![CDATA[W.]]></given-names>
</name>
<name>
<surname><![CDATA[Aharony]]></surname>
<given-names><![CDATA[N.]]></given-names>
</name>
<name>
<surname><![CDATA[Pentland]]></surname>
<given-names><![CDATA[A.]]></given-names>
</name>
</person-group>
<article-title xml:lang="en"><![CDATA[Composite Social Network for Predicting Mobile Apps Installation]]></article-title>
<source><![CDATA[CoRR]]></source>
<year>2011</year>
<volume>abs/1106.0359</volume>
</nlm-citation>
</ref>
<ref id="B4">
<label>4</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Falaki]]></surname>
<given-names><![CDATA[H.]]></given-names>
</name>
<name>
<surname><![CDATA[Mahajan]]></surname>
<given-names><![CDATA[R.]]></given-names>
</name>
<name>
<surname><![CDATA[Kandula]]></surname>
<given-names><![CDATA[S.]]></given-names>
</name>
<name>
<surname><![CDATA[Lymberopoulos]]></surname>
<given-names><![CDATA[D.]]></given-names>
</name>
<name>
<surname><![CDATA[Govindan]]></surname>
<given-names><![CDATA[R.]]></given-names>
</name>
<name>
<surname><![CDATA[Estrin]]></surname>
<given-names><![CDATA[D.]]></given-names>
</name>
</person-group>
<source><![CDATA[Diversity in smartphone usage]]></source>
<year>2010</year>
<publisher-loc><![CDATA[New York^eNY NY]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B5">
<label>5</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Böhmer]]></surname>
<given-names><![CDATA[M.]]></given-names>
</name>
<name>
<surname><![CDATA[Ganev]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
</person-group>
<source><![CDATA[AppFunnel: A Framework for Usage-centric Evaluation of Recommender Systems that Suggest Mobile Applications]]></source>
<year>2013</year>
</nlm-citation>
</ref>
<ref id="B6">
<label>6</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Laurila]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Gatica-Perez]]></surname>
<given-names><![CDATA[D.]]></given-names>
</name>
<name>
<surname><![CDATA[Aad]]></surname>
<given-names><![CDATA[I.]]></given-names>
</name>
<name>
<surname><![CDATA[Blom]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Bornet]]></surname>
<given-names><![CDATA[O.]]></given-names>
</name>
<name>
<surname><![CDATA[Do]]></surname>
<given-names><![CDATA[T.]]></given-names>
</name>
<name>
<surname><![CDATA[Dousse]]></surname>
<given-names><![CDATA[O.]]></given-names>
</name>
<name>
<surname><![CDATA[Eberle]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Miettinen]]></surname>
<given-names><![CDATA[M.]]></given-names>
</name>
</person-group>
<source><![CDATA[The mobile data challenge: Big data for mobile computing research]]></source>
<year>2012</year>
</nlm-citation>
</ref>
<ref id="B7">
<label>7</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Kiukkonen]]></surname>
<given-names><![CDATA[N.]]></given-names>
</name>
<name>
<surname><![CDATA[Blom]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Dousse]]></surname>
<given-names><![CDATA[O.]]></given-names>
</name>
<name>
<surname><![CDATA[Gatica-Perez]]></surname>
<given-names><![CDATA[D.]]></given-names>
</name>
<name>
<surname><![CDATA[Laurila]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
</person-group>
<source><![CDATA[Towards rich mobile phone datasets: Lausanne data collection campaign]]></source>
<year>2010</year>
<publisher-loc><![CDATA[Berlin ]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B8">
<label>8</label><nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Dey]]></surname>
<given-names><![CDATA[A. K.]]></given-names>
</name>
</person-group>
<article-title xml:lang="en"><![CDATA[Understanding and Using Context]]></article-title>
<source><![CDATA[Personal Ubiquitous Comput.]]></source>
<year>Janu</year>
<month>ar</month>
<day>y </day>
<volume>5</volume>
<page-range>4-7</page-range></nlm-citation>
</ref>
<ref id="B9">
<label>9</label><nlm-citation citation-type="book">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Adomavicius]]></surname>
<given-names><![CDATA[G.]]></given-names>
</name>
<name>
<surname><![CDATA[Tuzhilin]]></surname>
<given-names><![CDATA[A.]]></given-names>
</name>
</person-group>
<article-title xml:lang="en"><![CDATA[Context-Aware Recommender Systems]]></article-title>
<person-group person-group-type="editor">
<name>
<surname><![CDATA[Ricci]]></surname>
<given-names><![CDATA[F.]]></given-names>
</name>
<name>
<surname><![CDATA[Rokach]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
<name>
<surname><![CDATA[Shapira]]></surname>
<given-names><![CDATA[B.]]></given-names>
</name>
<name>
<surname><![CDATA[Kantor]]></surname>
<given-names><![CDATA[P. B.]]></given-names>
</name>
</person-group>
<source><![CDATA[Recommender Systems Handbook]]></source>
<year>2011</year>
<page-range>217-253</page-range><publisher-name><![CDATA[Springer US]]></publisher-name>
</nlm-citation>
</ref>
<ref id="B10">
<label>10</label><nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Baltrunas]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
<name>
<surname><![CDATA[Ludwig]]></surname>
<given-names><![CDATA[B.]]></given-names>
</name>
<name>
<surname><![CDATA[Peer]]></surname>
<given-names><![CDATA[S.]]></given-names>
</name>
<name>
<surname><![CDATA[Ricci]]></surname>
<given-names><![CDATA[F.]]></given-names>
</name>
</person-group>
<article-title xml:lang="en"><![CDATA[Context relevance assessment and exploitation in mobile recommender systems]]></article-title>
<source><![CDATA[Personal and Ubiquitous Computing]]></source>
<year>2012</year>
<volume>16</volume>
<page-range>507-526</page-range></nlm-citation>
</ref>
<ref id="B11">
<label>11</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Huang]]></surname>
<given-names><![CDATA[K.]]></given-names>
</name>
<name>
<surname><![CDATA[Zhang]]></surname>
<given-names><![CDATA[C.]]></given-names>
</name>
<name>
<surname><![CDATA[Ma]]></surname>
<given-names><![CDATA[X.]]></given-names>
</name>
<name>
<surname><![CDATA[Chen]]></surname>
<given-names><![CDATA[G.]]></given-names>
</name>
</person-group>
<source><![CDATA[Predicting mobile application usage using contextual information]]></source>
<year>2012</year>
<publisher-loc><![CDATA[New York^eNY NY]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B12">
<label>12</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Böhmer]]></surname>
<given-names><![CDATA[M.]]></given-names>
</name>
<name>
<surname><![CDATA[Bauer]]></surname>
<given-names><![CDATA[G.]]></given-names>
</name>
<name>
<surname><![CDATA[Krüger]]></surname>
<given-names><![CDATA[A.]]></given-names>
</name>
</person-group>
<source><![CDATA[Exploring the Design Space of Context-aware Recommender Systems that Suggest Mobile Applications]]></source>
<year>2010</year>
<publisher-loc><![CDATA[Barcelona ]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B13">
<label>13</label><nlm-citation citation-type="book">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Ricci]]></surname>
<given-names><![CDATA[F.]]></given-names>
</name>
<name>
<surname><![CDATA[Rokach]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
<name>
<surname><![CDATA[Shapira]]></surname>
<given-names><![CDATA[B.]]></given-names>
</name>
</person-group>
<article-title xml:lang="en"><![CDATA[Introduction to Recommender Systems Handbook]]></article-title>
<person-group person-group-type="editor">
<name>
<surname><![CDATA[Ricci]]></surname>
<given-names><![CDATA[F.]]></given-names>
</name>
<name>
<surname><![CDATA[Rokach]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
<name>
<surname><![CDATA[Shapira]]></surname>
<given-names><![CDATA[B.]]></given-names>
</name>
<name>
<surname><![CDATA[Kantor]]></surname>
<given-names><![CDATA[P. B.]]></given-names>
</name>
</person-group>
<source><![CDATA[Recommender Systems Handbook]]></source>
<year>2011</year>
<page-range>1-35</page-range><publisher-name><![CDATA[Springer US]]></publisher-name>
</nlm-citation>
</ref>
<ref id="B14">
<label>14</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Xu]]></surname>
<given-names><![CDATA[Q.]]></given-names>
</name>
<name>
<surname><![CDATA[Erman]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Gerber]]></surname>
<given-names><![CDATA[A.]]></given-names>
</name>
<name>
<surname><![CDATA[Mao]]></surname>
<given-names><![CDATA[Z.]]></given-names>
</name>
<name>
<surname><![CDATA[Pang]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Venkataraman]]></surname>
<given-names><![CDATA[S.]]></given-names>
</name>
</person-group>
<source><![CDATA[Identifying diverse usage behaviors of smartphone apps]]></source>
<year>2011</year>
<publisher-loc><![CDATA[New York^eNY NY]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B15">
<label>15</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Yan]]></surname>
<given-names><![CDATA[T.]]></given-names>
</name>
<name>
<surname><![CDATA[Chu]]></surname>
<given-names><![CDATA[D.]]></given-names>
</name>
<name>
<surname><![CDATA[Ganesan]]></surname>
<given-names><![CDATA[D.]]></given-names>
</name>
<name>
<surname><![CDATA[Kansal]]></surname>
<given-names><![CDATA[A.]]></given-names>
</name>
<name>
<surname><![CDATA[Liu]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
</person-group>
<source><![CDATA[Fast app launching for mobile devices using predictive user context]]></source>
<year>2012</year>
<publisher-loc><![CDATA[New York^eNY NY]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B16">
<label>16</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Natarajan]]></surname>
<given-names><![CDATA[N.]]></given-names>
</name>
<name>
<surname><![CDATA[Shin]]></surname>
<given-names><![CDATA[D.]]></given-names>
</name>
<name>
<surname><![CDATA[Dhillon]]></surname>
<given-names><![CDATA[I. S.]]></given-names>
</name>
</person-group>
<source><![CDATA[Which App Will You Use Next?: Collaborative Filtering with Interactional Context]]></source>
<year>2013</year>
<publisher-loc><![CDATA[New York^eNY NY]]></publisher-loc>
</nlm-citation>
</ref>
<ref id="B17">
<label>17</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Rojas-Potosi]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
<name>
<surname><![CDATA[Suarez-Meza]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
<name>
<surname><![CDATA[Ordoñez-Ante]]></surname>
<given-names><![CDATA[L.]]></given-names>
</name>
<name>
<surname><![CDATA[Corrales]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
</person-group>
<source><![CDATA[Web Resources Recommendation based on Dynamic Prediction of User Consumption on the Social Web]]></source>
<year>2012</year>
</nlm-citation>
</ref>
<ref id="B18">
<label>18</label><nlm-citation citation-type="">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Zhuang]]></surname>
<given-names><![CDATA[J.]]></given-names>
</name>
<name>
<surname><![CDATA[Mei]]></surname>
<given-names><![CDATA[T.]]></given-names>
</name>
<name>
<surname><![CDATA[Hoi]]></surname>
<given-names><![CDATA[S. C.]]></given-names>
</name>
<name>
<surname><![CDATA[Xu]]></surname>
<given-names><![CDATA[Y.-Q.]]></given-names>
</name>
<name>
<surname><![CDATA[Li]]></surname>
<given-names><![CDATA[S.]]></given-names>
</name>
</person-group>
<source><![CDATA[When recommendation meets mobile: contextual and personalized recommendation on the go]]></source>
<year>2011</year>
<publisher-loc><![CDATA[New York^eNY NY]]></publisher-loc>
</nlm-citation>
</ref>
</ref-list>
</back>
</article>
