RESDEC: Un p o o ipo de he amien a pa a la
selecci´on de con igu aciones de despliegue
basado en Sis emas de Recomendaci´on
Jo ge L. Rodas1, Jos´e A. Galindo2, and Da id Bena ides2
1Uni e sidad Es a al de Milag o, Facul ad de Ciencias de la Ingenie ´ıa, Cdla.
Uni e si a ia Km 1 1/2 ´ıa Km 26, Milag o - Ecuado ,
[email p o ec ed]
2Uni e sidad de Se illa, Dep . Lenguajes y Sis emas In o m´a icos, A . Reina
Me cedes s/n Se illa - Espa˜na,
[jagalindo,bena ides]@us.es
Abs ac . Los sis emas de al a a iabilidad son sis emas que ep e-
sen an cien os de con igu aciones dis in as. En un con ex o pa icula ,
es as con igu aciones pueden se desplegadas en dis in os en o nos de
despliegue lo cual es una decisi´on c ´ı ica pa a el co ec o uncionamien o
de la misma. Po ejemplo, de e mina en qu´e disposi i os m´o iles se a
a ejecu a co ec amen e nues a app, es una a ea di ´ıcil de esol e . En
es e a ´ıculo p esen amos RESDEC, un p o o ipo de he amien a pa a
asis i al ingenie o de so wa e en la oma de decisiones pa a el despliegue.
Conc e amen e RESDEC p o ee algo i mos de ecomendaci´on pa a es
escena ios de despliegue dis in os.
Keywo ds: Sis emas de al a a iabilidad, Sis emas de ecomendaci´on, Valo-
aciones, Con igu aciones
1 An eceden es
Los sis emas de al a a iabilidad son sis emas de so wa e cuyo compo amien o
se puede pe sonaliza de acue do con las necesidades espec´ı icas de un con ex o
pa icula [2]. Los modelos de ca ac e ´ıs icas [7] se han con e ido en el es ´anda
de ac o pa a ep esen a ca ac e ´ıs icas comunes y a iables en Va iabili y-
in ensi e Sys em (VIS). Cuando el n´ume o de combinaciones en un modelo c ece
exponencialmen e, hace que el an´alisis y la mejo a de dichos sis emas sea una
ac i idad cos osa y p opensa a e o es. Pa a ali ia el p oblema, in es igado es
han p opues o el uso del an´alisis au oma izado de modelos de ca ac e ´ıs icas [3].
Sin emba go, es e p oblema se uel e cada ez m´as di ´ıcil cuando hay m´ul iples
y di e sas pla a o mas pa a implemen a un p oduc o. Po ejemplo, pa a decidi
en qu´e pla a o mas de implemen aci´on es mejo ins ala D upal o Wo dp ess, o
en qu´e el´e onos m´o iles debemos ins ala una aplicaci´on de And oid [5]. En
ales casos, la selecci´on de la pla a o ma de implemen aci´on ´op ima se con ie e
en una ac i idad c ´ı ica que puede a ec a la expe iencia del usua io.
En la indus ia, podemos encon a p opues as basadas en p opiedades es-
uc u ales y a ibu os de calidad que apun an a selecciona con igu aciones
´op imas pa a una a iedad de casos de uso, como el es ing o la p edicci´on
del endimien o. Sin emba go, hay una al a de sopo e pa a bene icia se de
o os a e ac os, ales como in o mes de usua ios o ankings de aplicaciones que
e al´uan qu´e an bien se ealiz´o una con igu aci´on en una pla a o ma de im-
plemen aci´on conc e a. En es e documen o, p oponemos explo a in o mes de
usua ios pa a guia la selecci´on de pla a o mas de implemen aci´on; es o es, pa a
encon a qu´e pla a o mas de implemen aci´on se adap an mejo a un usua io
conc e o y a una con igu aci´on espec´ı ica.
En consecuencia, hemos encon ado en los sis emas de ecomendaci´on una
al e na i a ideal pa a guia al usua io en la b´usqueda de con igu aciones de im-
plemen aci´on que sa is agan sus necesidades. Un sis ema de ecomendaci´on es un
so wa e que, en unci´on de los da os exis en es, in en a p edeci p oduc os pa a
que se adap en mejo a las necesidades o gus os de un usua io [4]. En es e pape
p esen amos RESDEC(Recommenda ion Sys em o Selec ing Deploymen Con-
igu a ions), un p o o ipo de he amien a basada en sis emas de ecomendaci´on
que ayuda al ingenie o de so wa e a selecciona el mejo en o no de despliegue
pa a con igu aciones de VIS basadas en in o mes de usua ios.
2 RESDEC: Un p o o ipo de he amien a pa a
ecomenda es a egias de despliegue
RESDEC ue dise˜nado pa a sopo a dos ases al como se mues a en la Figu a
1.
Base de Conocimien o
Gene ado de Recomendaciones
12
In o mación
Basado en il ado
colabo a i o
Basado en il ado
po con enido
Basado en
popul idad
Escena ios de despliegue
A anque en ce o
T ansición en e pla a o mas de
despliegue basadas en alo aciones
T ansición en e pla a o mas de
despliegue basadas en ca ac e ís icas
En o no de a iabilidad
105
Algo i mos
Selección
Escena io
Fig. 1. Fases pa a es ablece ecomendaciones en escena ios de despliegue
2.1 Base de conocimien o:
La base de conocimien o con iene la in o maci´on sob e la sa is acci´on de los
usua ios en despliegues an e io es. Es a in o maci´on puede ep esen a c i e ios
de e aluaci´on dados p e iamen e po los usua ios en elaci´on a gus os, uncional-
idad, e o es o despe ec os que puede p esen a un p oduc o. En nues o caso,
los alo es que se ex aen de los in o mes de usua ios, e lejan los ni eles de
sa is acci´on en elaci´on al uso de un p oduc o po pa e del usua io.
2.2 Gene ado de Recomendaciones:
RESDEC se ejecu a en es escena ios di e en es de acue do a las necesidades
espec´ı icas del ingenie o de so wa e:
P ime despliegue o a anque en ce o. El p ime escena io se p esen a
cuando un usua io nue o del sis ema desea conoce qu´e con igu aciones se ´ıan las
m´as adecuadas pa a un p oyec o en pa icula . Es o ocu e po ejemplo, cuando
el ingenie o de so wa e cons uye un si io web nue o y necesi a una asis encia
guiada en la selecci´on de plugins que pod ´ıan se ins alados den o del si io.
Pa a ealiza ecomendaciones en es e escena io hemos empleado un algo-
i mo basado en popula idad, pe enecien e al g upo de algo i mos no pe son-
alizados. Aunque el m´e odo de ecomendaci´on que u iliza es e algo i mo pa ece
simple, es uno de los m´as popula es en escena ios eales, ales como: la lis a de
p oduc os m´as endidos en Amazon, los ´ıdeos con mayo isi as en Y ou ube,
las canciones m´as escuchadas en Spo i y, las pel´ıculas m´as is as en Ne lix,
en e o os.
T ansici´on en e pla a o mas de despliegue basadas en alo aciones.
El segundo escena io se p esen a cuando un usua io que ha usado p e iamen e
una con igu aci´on de un p oduc o quie e explo a o as con igu aciones pa a
ob ene nue as al e na i as de ecomendaci´on. Es o ocu e, po ejemplo, cuando
el ingenie o de so wa e iene publicado un si io web que inco po a una se ie de
plugins y basado en esa expe iencia desea conoce qu´e o os plugins simila es
a los ins alados pod ´ıan ambi´en implemen a se; pa a ello, el sis ema u iliza
in o maci´on de unos usua ios pa a p oduci ecomendaciones a o os.
Pa a ealiza es e ipo de ecomendaciones hemos in eg ado en RESDEC
es algo i mos de ecomendaci´on basados en il ado colabo a i o (FC). Seg´un
la clasi icaci´on, del g upo Neighbo hood-based Collabo a i e Fil e ing (Knn) [6]
hemos seleccionado el algo i mo ”KNNBasic” y el algo i mo ”KNNWi hMeans”;
y del g upo Model-based Collabo a i e Fil e ing hemos elegido el algo i mo de
ac o izaci´on de ma ices SVD (Singula Value Decomposi ion).
T ansici´on en e pla a o mas de despliegue basadas en ca ac e ´ıs icas.
El e ce escena io adem´as de u iliza las alo aciones que ecibe una con igu-
aci´on, ambi´en conside a las ca ac e ´ıs icas que el usua io de ine pa a las con-
igu aciones que el sis ema de uel e. Cuando un usua io especi ica las ca ac-
e ´ıs icas eque idas pa a una con igu aci´on es ´acil pa a el sis ema encon a las
con igu aciones que mejo se adap en den o de esos equisi os y de esa mane a
es ablece las mejo es ecomendaciones.
Es o ocu e po ejemplo, cuando el ingenie o de so wa e es ´a desa ollando
un si io web y necesi a ins ala un conjun o de plugins que se ajus en a los
eque imien os del si io, en es e caso a a ´es de los ags asociados a los plugins se
pod ´ıan encon a ´acilmen e plugins pa a el ca ´alogo de p oduc os, el buscado
de p oduc os, la pasa ela de pagos, el ca i o de comp as en e o os componen es
que pod ´ıan eque i se pa a el co ec o uncionamien o del si io web.
Pa a hace ecomendaciones basados en la desc ipci´on de cada con igu aci´on,
hemos in eg ado en RESDEC dos algo i mos basados en il ado po con enido,
Rocchio [1] y kNN [8], es e ´ul imo simila al u ilizado po el g upo de il ado
colabo a i o no obs an e su a iaci´on adica en la unci´on de simili ud u ilizada.
2.3 Da ase s y alidaci´on.
Da ase de disposi i os And oid: Pa a ecopila la in o maci´on de And oid,
se ealiz´o una encues a a 2,099 usua ios de la comunidad de es udian es y do-
cen es de la Uni e sidad Es a al de Milag o, Ecuado . Es o nos pe mi i´o cono-
ce qu´e aplicaciones son las m´as u ilizadas po los usua ios, los disposi i os que
u ilizan y las pun uaciones que o o gan a las aplicaciones ins aladas en sus dis-
posi i os de acue do al uncionamien o que han enido en el mismo. Despu´es
de conoce los disposi i os usados po los usua ios encues ados, ob u imos in-
o maci´on expl´ıci a sob e las ca ac e ´ıs icas de cada uno de ellos a a ´es de
in o maci´on disponible en el si io web h p://www.gsma ena.com/.
Da ase de Wo dp ess: Es e da ase con iene in o maci´on sob e el ges o
de con enidos wo dp ess. Pa a ob ene in o maci´on de es e en o no, se desa oll´o
un c awle que ex ae da os que elaciona los plugins con los ags asociados
a los mismos. Es o nos pe mi i´o conoce qu´e plugins son los m´as u ilizados
po los usua ios y las pun uaciones que se les o o gan. La b´usqueda sigui´o un
p oceso sis em´a ico pa a ex ae da os u ilizando el sis ema de p ueba Selenium
(h p://www.seleniumhq.o g/).
Resul ados: Nues as p uebas incluye on la gene aci´on au om´a ica de e-
comendaciones de en e un conjun o de da os de 832 disposi i os m´o iles en
And oid y 634 plugins de Wo dp ess.
Acceso al c´odigo y demos aci´on del p o o ipo. El c´odigo uen e de RES-
DEC se puede desca ga desde el si io web del p oyec o h ps://gi hub.com/
RESDEC. La he amien a jun o con el conjun o de da ase s p esen ados en es e
abajo, es ´a disponible en el si io web de RESDEC h p:// esdec.com/.
Re e ences
1. Gediminas Adoma icius and Alexande Tuzhilin. Towa d he nex gene a ion o ec-
ommende sys ems: A su ey o he s a e-o - he-a and possible ex ensions. Knowl-
edge and Da a Enginee ing, IEEE T ansac ions on, 17(6):734–749, 2005.
2. Muhammad Ali Baba , Lianping Chen, and Fo es Shull. Managing a iabili y in
so wa e p oduc lines. So wa e, IEEE, 27(3):89–91, 2010.
3. Da id Bena ides, Se gio Segu a, and An onio Ruiz-Co ´es. Au oma ed analysis o
ea u e models 20 yea s la e : A li e a u e e iew. In o ma ion Sys ems, 35(6):615–
636, 2010.
4. Jes´us Bobadilla, Fe nando O ega, An onio He nando, and Ab aham Gu i´e ez.
Recommende sys ems su ey. Knowledge-Based Sys ems, 46:109–132, 2013.
5. Jos´e A Galindo, Hamil on Tu ne , Da id Bena ides, and Jules Whi e. Tes ing
a iabili y-in ensi e sys ems using au oma ed analysis: an applica ion o and oid.
So wa e Quali y Jou nal, pages 1–41, 2014.
6. Anil K Jain. Da a clus e ing: 50 yea s beyond k-means. Pa e n ecogni ion le e s,
31(8):651–666, 2010.
7. Kyo C Kang, Sholom G Cohen, James A Hess, William E No ak, and A Spence Pe-
e son. Fea u e-o ien ed domain analysis ( oda) easibili y s udy. Technical epo ,
DTIC Documen , 1990.
8. Michael Pazzani and Daniel Billsus. Lea ning and e ising use p o iles: The iden-
i ica ion o in e es ing web si es. Machine lea ning, 27(3):313–331, 1997.
Ap´endice A: Tiempo planeado pa a la p esen aci´on de la
he amien a
5min – P esen aci´on del p oblema y alcance de la he amien a.
5min – P esen aci´on del p oblema al que se di ige RESDEC con un b e e
ejemplo de la aplicaci´on.
5min – Demos aci´on de los ipos de ecomendaci´on que RESDEC emplea pa a
di e en es escena ios.
5min – Demos aci´on de las capacidades de la he amien a pa a selecciona y
p io iza con igu aciones en un conjun o de da os de disposi i os m´o iles
And oid.
5min – Conclusiones del abajo

Ap´endice B.- Cap u as de pan alla de la he amien a:
Caso ANDROID
Fig. 2. Pan alla p incipal de RESDEC, en la pa e izquie da un men´u lo an e mues a
las opciones ag upadas po el en o no de despliegue y el ges o de ecomendaciones.
Fig. 3. La en ana de p oduc os pe mi e la ges i´on (c eaci´on, modi icaci´on y elimi-
naci´on) de los p oduc os (disposi i os) pe enecien es al en o no de a iabilidad medi-
an e el cual el sis ema es ablece las ecomendaciones.
Fig. 4. La en ana de Apps, pe mi e la ges i´on c eaci´on, modi icaci´on y eliminaci´on)
de las aplicaciones que ue on desplegadas en los disposi i os egis ados en la opci´on
p oduc os.
Fig. 5. Mues a los esul ados ob enidos cuando se ejecu a el p ime escena io de nues-
a p opues a, en es e caso se obse a las ecomendaciones basadas en el op de popu-
la idad.