Logo des Repositoriums

Auflistung nach Autor:in "Loepp, Benedikt"

1 - 10 von 15
  • Konferenzbeitrag
    3D-Visualisierung zur Eingabe von Präferenzen in Empfehlungssystemen
    (Mensch und Computer 2015 – Proceedings, 2015) Kunkel, Johannes; Loepp, Benedikt; Ziegler, Jürgen
    In diesem Beitrag stellen wir ein interaktives Empfehlungssystem vor, bei dem Nutzer ihre Präferenzen in einer dreidimensionalen Visualisierung des Produktraums eingeben können. Die Darstellung in Form einer Landschaft spiegelt dabei das Profil des aktuellen Nutzers wider, und ermöglicht diesem sowohl in Kaltstartsituationen als auch bei der späteren Anpassung eines existierenden Profils interaktiv seine Präferenzen anzugeben. Die Methode basiert auf den von allen Nutzern abgegebenen Bewertungen und benötigt kein inhaltliches Wissen über die Produkte. Die durchgeführte Nutzerstudie zeigt, dass die Visualisierung nachvollziehbar und hilfreich erscheint. Bezüglich der Eingabe von Präferenzen durch Modellierung der Landschaft ergaben sich ebenfalls vielversprechende Ergebnisse, u. a. auch im Hinblick auf User Experience und Empfehlungsqualität.
  • Zeitschriftenartikel
    Editorial
    (i-com: Vol. 19, No. 3, 2021) Buschek, Daniel; Loepp, Benedikt; Ziegler, Jürgen
  • muc: langbeitrag (vorträge)
    Interaktive Empfehlungsgenerierung mit Hilfe latenter Produktfaktoren
    (Mensch & Computer 2013: Interaktive Vielfalt, 2013) Loepp, Benedikt; Hussein, Tim; Ziegler, Jürgen
    In diesem Beitrag beschreiben wir ein Verfahren zur Generierung interaktiver Empfehlungsdialoge auf Basis latenter Produktfaktoren. Der Ansatz verbindet auf neuartige Weise Methoden zur automatischen Generierung von Empfehlungen mit interaktiven, explorativen Methoden der Produktsuche. Das vorgestellte Verfahren nutzt verborgene Muster in Produktbewertungen ( latente Faktoren ) und erzeugt auf dieser Basis visuelle Dialoge, die den Nutzer schrittweise und intuitiv durch einen Explorationsprozess führen. In einer Nutzerstudie konnten wir zeigen, dass ein derartiger interaktiver Empfehlungsprozess hinsichtlich des Aufwandes und der Zufriedenheit mit den erzielten Resultaten eine deutliche Verbesserung gegenüber rein manuellen oder rein automatischen Verfahren bieten kann.
  • Konferenzbeitrag
    Komplexe Präferenzprofile für intermodale Navigation
    (Mensch & Computer 2014 - Workshopband, 2014) Loepp, Benedikt; Ziegler, Jürgen
    In diesem Beitrag präsentieren wir Aspekte, die für Nutzer im Kontext intermodaler Navigation von Bedeutung sind und durch komplexe Präferenzprofile abgebildet werden können. Neben einer Her-leitung und Klassifikation solch potenzieller Nutzeranforderungen an die Anpassung von Mobilitäts-ketten ? beispielsweise an individuelle Präferenzen wie den energetischen Fußabdruck oder das ge-wünschte Maß an Komfort – stellen wir einen Prototypen vor, der einen ersten Schritt hin zu einer interaktiven, stark individualisierbaren Unterstützung intermodaler Navigation darstellt.
  • Workshopbeitrag
    LittleMissFits: Ein Game-With-A-Purpose zur Evaluierung subjektiver Verständlichkeit von latenten Faktoren in Empfehlungssystemen
    (Mensch und Computer 2019 - Workshopband, 2019) Kunkel, Johannes; Loepp, Benedikt; Dolff, Esther; Ziegler, Jürgen
    Empfehlungssysteme, die mit Hilfe latenter Faktormodelle Empfehlungen generieren, arbeiten äußerst genau und sind entsprechend weit verbreitet. Da die Berechnung der Empfehlungen jedoch auf der statistischen Auswertung von Benutzerbewertungen basiert, gestaltet es sich schwierig, die Empfehlungen dem Nutzer gegenüber zu erklären. Daher werden die Systeme häufig als intransparent wahrgenommen und können oft ihr volles Potential nicht entfalten. Erste Ansätze zeigen allerdings, dass die latenten Faktoren solcher Modelle semantische Eigenschaften der Produkte widerspiegeln. Dabei ist bislang unklar, ob die zum Teil sehr komplexe Parametrisierung, die z.B. die Anzahl der Faktoren festlegt, Auswirkungen auf die semantische Verständlichkeit hat. Da dies sehr von der subjektiven Wahrnehmung abhängt, präsentieren wir mit LittleMissFits ein Online-Spiel, das es erlaubt, mittels Crowd-Sourcing die Konsistenz der latenten Faktoren zu untersuchen. Die Ergebnisse einer Nutzerstudie mit diesem Spiel zeigen, dass eine höhere Anzahl von Faktoren das Modell weniger verständlich erscheinen lässt. Darüber hinaus fanden sich Unterschiede innerhalb der Faktormodelle bezüglich der Verständlichkeit der einzelnen Faktoren. Zusammengenommen stellen die Ergebnisse eine wertvolle Grundlage dar, um künftig die Transparenz entsprechender Empfehlungssysteme zu steigern.
  • Konferenzbeitrag
    Merging Interactive Information Filtering and Recommender Algorithms – Model and Concept Demonstrator
    (i-com: Vol. 14, No. 1, 2015) Loepp, Benedikt; Herrmanny, Katja; Ziegler, Jürgen
    To increase controllability and transparency in recommender systems, recent research has been putting more focus on integrating interactive techniques with recommender algorithms. In this paper, we propose a model of interactive recommending that structures the different interactions users can have with recommender systems. Furthermore, as a novel approach to interactive recommending, we describe a technique that combines faceted information filtering with different algorithmic recommender techniques. We refer to this approach as blended recommending. We also present an interactive movie recommender based on this approach and report on its user-centered design process, in particular an evaluation study in which we compared our system with a standard faceted filtering system. The results indicate a higher level of perceived user control, more detailed preference settings, and better suitability when the search goal is vague.
  • Konferenzbeitrag
    Modeling User Interaction at the Convergence of Filtering Mechanisms, Recommender Algorithms and Advisory Components
    (Mensch und Computer 2021 - Tagungsband, 2021) Kleemann, Timm; Wagner, Magdalena; Loepp, Benedikt; Ziegler, Jürgen
    A variety of methods is used nowadays to reduce the complexity of product search on e-commerce platforms, allowing users, for example, to specify exactly the features a product should have, but also, just to follow the recommendations automatically generated by the system. While such decision aids are popular with system providers, research to date has mostly focused on individual methods rather than their combination. To close this gap, we propose to support users in choosing the right method for the current situation. As a first step, we report in this paper a user study with a fictitious online shop in which users were able to flexibly use filter mechanisms, rely on recommendations, or follow the guidance of a dialog-based product advisor. We show that from the analysis of the interaction behavior, a model can be derived that allows predicting which of these decision aids is most useful depending on the user’s situation, and how this is affected by demographics and personality.
  • Konferenzbeitrag
    MyMovieMixer: Ein hybrider Recommender mit visuellem Bedienkonzept
    (Mensch & Computer 2014 - Tagungsband, 2014) Herrmanny, Katja; Schering, Sandra; Berger, Ralf; Loepp, Benedikt; Günter, Timo; Hussein, Tim; Ziegler, Jürgen
    In diesem Beitrag stellen wir ein neuartiges, auf direkter Manipulation beruhendes Bedienkonzept für komplexe hybride Empfehlungssysteme anhand des von uns entwickelten Film-Recommenders MyMovieMixer vor. Der Ansatz ermöglicht es den Nutzern, ein hybrides Recommender-System mit einem komplexen Zusammenwirken verschiedener Filtermethoden durch interaktive und visuelle Methoden intuitiv zu steuern. Gleichzeitig wird die Transparenz der Empfehlungsgenerierung deutlich erhöht. Die Ergebnisse einer empirischen Evaluation des Systems zeigen, dass der Ansatz in Bezug auf Usability, User Experience, Intuitivität, Transparenz, wahrgenommene Empfehlungsqualität und somit letztlich im Hinblick auf die Nutzerzufriedenheit vielversprechend ist.
  • Workshopbeitrag
    On the Convergence of Intelligent Decision Aids
    (Mensch und Computer 2021 - Workshopband, 2021) Loepp, Benedikt
    On the one hand, users’ decisionmaking in today’sweb is supported in numerous ways, with mechanisms ranging from manual search over automated recommendation to intelligent advisors. The focus on algorithmic accuracy, however, is questioned more and more. On the other hand, although the boundaries between the mechanisms are blurred increasingly, research on user-related aspects is still conducted separately in each area. In this position paper, we present a research agenda for providing a more holistic solution, in which users are supported with the right decision aid at the right time depending on personal characteristics and situational needs.
  • Konferenzbeitrag
    Ein Online-Spiel zur Benennung latenter Faktoren in Empfehlungssystemen
    (Mensch und Computer 2018 - Tagungsband, 2018) Kunkel, Johannes; Loepp, Benedikt; Ziegler, Jürgen
    Empfehlungssysteme, die auf latenten Faktormodellen basieren, sind dafür bekannt sehr genaue Vorschläge zu generieren. Häufig werden diese Systeme jedoch von Nutzern als intransparent wahrgenommen. Semantische Beschreibungen der latenten Faktoren könnten helfen, dieses Problem zu lindern. Solche Beschreibungen automatisch zu ermitteln gestaltet sich allerdings aufgrund der statistischen Herleitung der Faktoren aus numerischen Bewertungsdaten als schwierig. In diesem Beitrag stellen wir ein Output-Agreement-Spiel vor, das Spieler dazu motiviert, anhand repräsentativer Produkte Beschreibungen zu den Faktoren zu erstellen. Eine durchgeführte Nutzerstudie zeigt, dass das Spiel viel Spaß bereitet und die erhobenen Beschreibungen realweltliche Eigenschaften der Faktoren widerspiegeln.