Discovery of usage-based item similarities to support recommender systems in dealing with rarely used items

dc.contributor.author	Niemann, Katja
dc.contributor.editor	Hölldobler, Steffen
dc.date.accessioned	2017-09-22T20:47:27Z
dc.date.available	2017-09-22T20:47:27Z
dc.date.issued	2015
dc.description.abstract	Empfehlungssysteme weisen eine stetig wachsende Bedeutung in vielen Anwendungsdomänen auf. Damit wachsen auch die Erwartungen der Nutzer an die Empfehlungen, z.B. in Bezug auf Präzision, Diversität und Neuartigkeit. Unter anderem hindert die dabei oft bestehende geringe Datendichte die Systeme jedoch daran, ihr volles Potential zu entfalten, und inbesondere selten genutzte Objekte werden kaum empfohlen. In dieser Arbeit werden Lösungen konzipiert und empirisch belegt, um Ähnlichkeiten zwischen Objekten basierend auf ihrer Nutzung zu entdecken. Auf diese Art wird eine neue Informationsquelle geschaffen, welche genutzt werden kann, um bestehende Empfehlungssysteme zu erweitern und selten genutzte Objekte zuverlässiger zu empfehlen.	de
dc.identifier.isbn	978-3-88579-975-7
dc.identifier.pissn	1617-5468
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/4584
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik
dc.relation.ispartof	Ausgezeichnete Informatikdissertationen 2015
dc.relation.ispartofseries	Lecture Notes in Informatics (LNI) - Dissertations, Volume D-16
dc.title	Discovery of usage-based item similarities to support recommender systems in dealing with rarely used items	de
gi.citation.endPage	238
gi.citation.publisherPlace	Bonn
gi.citation.startPage	229

Dateien

1 - 1 von 1