Dissertation
Towards decentralized recommender systems
Weitere Titel
Dezentrale Empfehlungssysteme [deutsch]
Personen-Informationen ausblenden
Erschienen in
Bibliographische Angaben
URN:
urn:nbn:de:bsz:25-opus-18041
Sprache:
englisch
Informatik, Information und Wissen, allgemeine Werke / Informatik, Information und Wissen, allgemeine Werke / Informatik
Erscheinungsjahr: 2005
Abstract
-
englisch
-
deutsch
Automatisierte Recommender-Systeme berechnen Produktvorschläge, welche
genau auf die Interessen und Bedürfnisse ihrer Benutzer zugeschnitten sind
und stellen somit exzellente Mittel dar, um der stetig wachsenden Informationsflut Herr zu werden. Allerdings sieht sich deren praktische Einsetzbarkeit bis dato weithin auf Szenarien beschränkt, bei denen man alle für die zur Berechnung von Empfehlungen relevante Information als in einem einzigen
Knoten gekapselt annehmen konnte.
Seit einigen Jahren nehmen verteilte Infrastrukturen, wie zum Beispiel Peer-to-
Peer und Ad-Hoc Netzwerke, das Semantic Web, der Grid etc., immer
deutlichere Konturen an und ersetzen klassische Client/Server-Modelle bereits
in vielerlei Hinsicht. Diese Infrastrukturen könnten gleichwohl von den
von Recommender-Systemen bereitgestellten Diensten profitieren und somit
einen Paradigmenwechsel hin zu dezentralisierten Recommender-Systemen
einläuten.
Im Rahmen dieser Dissertation untersuchen wir zunächst die neuen Herausforderungen, denen es sich im Hinblick auf die Konzeption dezentraler
Recommender-Systeme zu stellen gilt, und schlagen diverse neue Ansätze
vor, mit deren Hilfe man speziell jene Probleme zu bewältigen vermag. Das
Spektrum der vorgestellten Methoden reicht dabei von der Verwendung von
mächtigen Taxonomien zur Klassifikation von Produkten zwecks künstlicher
Verdichtung der Daten, bis hin zu Vertrauensmetriken, die entworfen wurden,
um Fragen der Skalierbarkeit derartiger Systeme zu lösen. Empirische Untersuchungen bezüglich der Korrelation interpersonellen Vertrauens und Interessengleichheit stellen den Mörtel dar, welcher jene einzelnen Bausteine zusammenfügt und die schlussendliche Realisierung eines exemplarischen Frameworks für dezentrale Recommender-Systeme ermöglicht.
Während die angesprochenen Bausteine, im namentlichen Taxonomie-basiertes
Filtern, Topic Diversification und die Appleseed Vertrauensmetrik, notwendige
Komponenten für die Konzeption eines auf sozialem Vertrauen basierten,
dezentralen Recommender-Systems darstellen, so sind diese gleichermaßen
wichtige wissenschaftliche Beiträge per se und auch außerhalb der Fragestellung
"Dezentrale Recommender-Systeme" von praktischer Relevanz.
Beschreibung
Dateien
Lizenz
Thesis.pdf
SHA256 checksum: f040898d2364020cca840530a6bf316c10af5637d2783cf4538fa7e0dc44b030
Download
(2.00 MB)
Beschreibung der Forschungsdaten
Relationen
Laden...
Laden...
Prüfungsangaben
Fakultät:
Fakultät für Angewandte Wissenschaften
Betreuer:in:
Lausen, Georg
Prüfungsdatum: 12.06.2005
Korrekturanfrage
Vielen Dank für Ihre Korrekturanfrage. Wir werden uns um Ihre Anfrage kümmern und uns ggf. über die angegebene E-Mail-Adresse bei Ihnen zurückmelden. Bitte haben Sie Verständnis dafür, dass die Korrektur unter Umständen einige Tage dauern kann.
Es ist ein Fehler aufgetreten. Bitte versuchen Sie es später noch einmal.