Meißner, HannsStahl, MichaelPrinz, WolfgangBorchers, JanJarke, Matthias2017-06-172017-06-172016https://dl.gi.de/handle/20.500.12116/175Das Teilen von Fotografien aller Art ist ein wichtiger Bestandteil in sozialen Medien geworden. Gerade das Phänomen Foodporn, Fotos von schmackhaft angerichteten Speisen, erlebt in den letzten Jahren auf Plattformen wie Facebook oder Instagram einen regelrechten Boom. Der in diesem Paper vorgestellte Prototyp eines bildbasierten Recommender-Systems nutzt solche Fotos als Input und Output. Der Nutzerinput besteht lediglich aus einem “like” oder “dislike” eines Foodporn-Fotos. Der Recommender soll Rezepte vorschlagen, die dem persönlichen Geschmack und aktuellen Bedürfnis auf Essen des Nutzers entsprechen, indem er nutzerspezifische Vorlieben erlernt, und dabei hilft geeignete Kochideen zu gewinnen. Die Datengrundlage schafft ein Crowdsourcing-Ansatz zum Sammeln von Tags zu den jeweiligen Fotos der in das System integriert ist. Die gängigsten Gamification-Features wurden in einer Community-Komponente eingebaut, um die User für die Mitwirkung am Datensatz zu motivieren. In einer tagebuchähnlichen Langzeitstudie wurde das neuartige Recommender-Konzept untersucht und erfolgreich validiert. Die Gamification-Features erzielten einen positiven Effekt. Künftiges Forschungsinteresse könnten auf der Weiterentwicklung und Evaluation des Recommender-Algorithmus und der Anwendung an sich sowie der Umsetzung als native mobile App liegen.derecommender systemssocial tagging systemscrowdsourcingtaggingfood pornText/Workshop Paper10.18420/muc2016-mci-0206