Information Technology (IT) has evolved over the decades, where its role and impact have transitioned from being a tactical tool to a more strategic one for driving business strategies to transform organizations. The right alignment between IT strategy and business has become a compelling factor for Chief Information Officer (CIO)s where misalignment could lead to a degradation of organization performance and slow them down in the landscape of market competition. Enterprise Architecture (EA) in practice is one of the approaches where this alignment can be achieved. Through Enterprise Modeling (EM), EA supports all the stakeholders (Business and IT) of an organization to have a common understanding for communication of information, making decisions, and coordinating actions. EM results in EA models that are composed of enterprise components and relationships, that are stored in a repository. Over time, the repository grows as architects design new models or update existing models with complex structures. This opens up new avenues of research where the data can be used to provide intelligence. One such field is Recommender Systems (RS) which are software tools and techniques to provide meaningful suggestions to the user. RS can take different forms in the EM domain. For instance, identifying semantically similar components [8] or modeling assistance during the EM process [40]. Each form of recommendation can be enhanced with sophisticated recommendation models over time implemented in different technologies. We focus on the latter problem in this thesis where we implement a recommender framework that contains a robust architecture that easily integrates with different RS. We present the robustness and the ease of integration criteria for the framework. The framework is distributed as a plugin for Archi, a modeling toolkit used by Enterprise Architects to create EA models. / Information Technology (IT) har utvecklats under decennierna, där dess roll och inverkan har övergått från att vara ett taktiskt verktyg till ett mer strategiskt verktyg för att driva affärsstrategier för att transformera organisationer. Den rätta anpassningen mellan IT-strategin och verksamheten har blivit en övertygande faktor för Chief Information Officer (CIO):er där felanpassning kan leda till en försämring av organisationens prestanda och sakta ner dem i konkurrensen på marknaden. Enterprise Architecture (EA) är i praktiken ett av tillvägagångssätten där denna anpassning kan uppnås. Genom Enterprise Modeling (EM) stöder EA alla intressenter (Business och IT) i en organisation att ha en gemensam förståelse för kommunikation av information, fatta beslut och samordna åtgärder. EM resulterar i EA-modeller som är sammansatta av företagskomponenter och relationer, som lagras i ett arkiv. Med tiden växer förvaret i takt med att arkitekter designar nya modeller eller uppdaterar befintliga modeller med komplexa strukturer. Detta öppnar för nya forskningsvägar där data kan användas för att tillhandahålla intelligens. Ett sådant fält är Recommender Systems (RS) som är mjukvaruverktyg och tekniker för att ge meningsfulla förslag till användaren. RS kan ha olika former i EM-domänen. Till exempel identifiera semantiskt liknande komponenter [8] eller modelleringshjälp under EM-processen [40]. Varje form av rekommendation kan förbättras med sofistikerade rekommendationsmodeller över tid implementerade i olika teknologier. Vi fokuserar på det senare problemet i den här avhandlingen där vi implementerar ett recommender-ramverk som innehåller en robust arkitektur som enkelt integreras med olika RS. Vi presenterar robustheten och enkelheten i integrationskriterierna för ramverket. Ramverket distribueras som en plugin för Archi, en verktygssats för modellering som används av Enterprise Architects för att skapa EA-modeller.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-325638 |
Date | January 2022 |
Creators | Raavikanti, Sashikanth |
Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-EECS-EX ; 2022:915 |
Page generated in 0.002 seconds