Logo des Repositoriums

Auflistung nach Schlagwort "Recommendation"

1 - 4 von 4
  • Workshop
    ABIS 2024 - International Workshop on Personalization and Recommendation
    (Mensch und Computer 2024 - Workshopband, 2024) Neumayr, Thomas; Yigitbas, Enes; Augstein, Mirjam; Herder, Eelco; Stojko, Laura; Strecker, Jannis
    ABIS is an international workshop, organized by the SIG on Adaptivity and User Modeling in Interactive Software Systems of the German Gesellschaft für Informatik. For more than 25 years, the ABIS Workshop has been a highly interactive forum for discussing the state of the art in personalization, user modeling, and related areas. ABIS 2024’s focus will be on the topics of personalization and recommendation within the areas of Computer-Supported Cooperative Work (CSCW) (i.e., support of individuals who work organized in groups), Cross-Reality (XR) Interaction (e.g., transitions inside the reality-virtuality continuum), and/or making sense of sensory data for personalization purposes. To discuss such questions, our workshop aims to bring together researchers and practitioners who are interested in the general personalization domain, and/or in our SIG’s current focus. Our goal is to identify current issues and future directions of research and foster future development of the discipline and collaborations.
  • Zeitschriftenartikel
    Adaptive Benutzerunterstützung in interaktiven Informationssuchprozessen
    (Datenbank-Spektrum: Vol. 11, No. 3, 2011) Backhausen, Daniel; Klas, Claus-Peter; Hemmje, Matthias
    Die Suche nach Informationen ist ein in hohem Maße dynamischer und interaktiver Prozess, der aus verschiedenen Phasen besteht. In jeder dieser Phasen befindet sich der Suchende in einer bestimmten Situation. Diese besteht aus unterschiedlichen Faktoren, die auf den kognitiven Raum des Suchenden wirken und dadurch sein Verhalten und vor allem sein Bedürfnis nach Wissen steuern. Dies zeigt sich vor allem bei langfristigen Prozessen, die über mehrere Sitzungen hinweg verlaufen. Um den Suchenden hierbei effektiver zu unterstützen, ist es erforderlich, ein Bewusstsein über die Situation zu haben, in der sich der Suchende aktuell befindet. Darauf aufbauend können Aussehen und Verhalten eines Systems adaptiv an das dynamische Bedürfnis, das Verhalten und an die Kenntnisse des Suchenden flexibel angepasst werden. Darüber hinaus können situationsbezogene Vorschläge seitens des Systems an den Nutzer herangetragen werden, um diesen besser zu unterstützen. In dem hier vorliegenden Beitrag zeigen wir auf, wie durch eine ausführliche Analyse und Aufnahme kontextueller Faktoren eine Annäherung an das kognitive Modell des Nutzers stattfinden kann, um vor allem sitzungsübergreifende Suchaktivitäten effizienter und effektiver gestalten zu können.
  • Zeitschriftenartikel
    Ein hybrider Empfehlungsdienst für Handelspartnerschaften im E-Commerce
    (HMD Praxis der Wirtschaftsinformatik: Vol. 52, No. 2, 2015) Forster, Johannes; Häusl, Martin; Mandl, Peter; Weiß, Johannes; Bresolin, Sandro
    Kaufempfehlungen werden für den Online-Handel in Zukunft zu einem immer entscheidenderen Instrument, um Kunden zu binden. Für kleinere Online-Händler ist die Entwicklung und Pflege komplexer Empfehlungssysteme nicht machbar. Zudem verfügen sie meist über ein vergleichsweise kleines Sortiment und können daher kaum Empfehlungen generieren. In diesem Beitrag soll daher die Idee eines Empfehlungsdienstes vorgestellt werden, welche die Möglichkeiten sozialer Vernetzung nutzt und auch kleineren Online-Anbietern erlaubt, sich in Netzwerken zu organisieren. Der in diesem Beitrag vorgestellte RaaS-Prototyp („Recommendation as a Service“) implementiert auf Basis von Apache Mahout für diesen Anwendungsfall einen hybriden Empfehlungs­algorithmus als Kombination der Auswertung von personenbezogenen Daten aus Facebook und der Einbeziehung von Produktdaten.
  • Zeitschriftenartikel
    Nutzung von Apache Mahout für eine leichtgewichtige Empfehlungsgenerierung auf der Basis von Produktbewertungen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 52, No. 2, 2015) Ali, Najum; Mandl, Peter; Baumgärtner, Rainer
    Kennt man das Kaufverhalten seiner Kunden im Onlinehandel, so lassen sich daraus mit Softwarelösungen personalisierte Empfehlungen ableiten. Dies praktizieren Online-Händler schon seit vielen Jahren. Transaktionsdaten aus Online-Verkäufen, Rating-Daten und neuerdings auch Kontextinformationen werden gesammelt und mit ausgefeilten Algorithmen verarbeitet, um Produktempfehlungen manchmal sogar annähernd in Echtzeit zu berechnen. Die Weiterentwicklung von Empfehlungsalgorithmen und -systemen schreitet sowohl in der Forschung als auch in der Praxis im Zuge der nächsten E-Commerce-Generation voran. Meistens sind die von großen Online-Händlern verwendeten Softwarelösungen heute sehr individuell und im Detail der Öffentlichkeit vorenthalten. Um die Möglichkeiten kleinerer Online-Anbieter zu verbessern, wurde im Competence Center Wirtschaftsinformatik der Hochschule München (CCWI) gemeinsam mit Industriepartnern auf Basis von Open-Source-Technologien wie Apache Mahout eine mit vertretbarem Aufwand einsetzbare (leichtgewichtige) und plattformunabhängige Lösung entwickelt. Neben einer Webservice-Schnittstelle zur einfachen Integration des Empfehlungsdienstes in die eigene Anwendung wurde weiterhin auch eine webbasierte Anwendung entwickelt, mit der die genutzten Recommendation-Algorithmen konfiguriert und erprobt werden können, um so die Auswirkungen von Parameteränderungen bei der Empfehlungsgenerierung besser nachvollziehen zu können.