Dissertation

Towards decentralized recommender systems

Weitere Titel
Dezentrale Empfehlungssysteme [deutsch]
Personen-Informationen ausblenden

Erschienen in
Bibliographische Angaben
Erscheinungsjahr: 2005
URN: urn:nbn:de:bsz:25-opus-18041 Sprache: englisch Informatik, Information und Wissen, allgemeine Werke / Informatik, Information und Wissen, allgemeine Werke / Informatik
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 Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
DFG
Dieser Beitrag ist mit Zustimmung des Rechteinhabers (Verlag) aufgrund einer (DFG-geförderten) Allianz- bzw. Nationallizenz frei zugänglich.
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich. 
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich. 
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
  • 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.