Evaluation einer auswahlbasierten Präferenzerhebungsmethode (Bachelor Informatik/Komedia)

Description

Empfehlungssysteme sind ein alltäglich gewordenes Werkzeug, welches Nutzer im Internet dabei unterstützt, aus der immensen Vielfalt von Produkten, Filmen, Urlaubsangeboten etc. jene zu finden, die den eigenen Präferenzen bestmöglich entsprechen. Modellbasiertes Collaborative Filtering stellt aufgrund seiner Effizienz und Präzision das am weitesten verbreitete Empfehlungsverfahren dar. Matrixfaktorisierung ist eine besonders populäre Variante, bei der zunächst latente Faktoren aus den Bewertungsdaten der Nutzerschaft extrahiert werden.

In vorangegangenen Arbeiten [1] wurden die latenten Faktoren mit ebenfalls von Nutzern vergebenen Tags in Einklang gebracht, um die Interaktivität von Empfehlungssystemen zu steigern. Bereits zuvor wurde in [2] eine Methode vorgestellt, um interaktiv die Präferenzen eines Nutzers innerhalb eines latenten Faktorraums zu ermitteln. In dieser Abschlussarbeit soll nun der existierende Ansatz zur Präferenzerhebung, bei dem Nutzern Gegenüberstellungen von Produkten präsentiert werden zwischen denen sie sich entscheiden können, mit der um Tags erweiterten Matrixfaktorisierung kombiniert werden. Im Zuge dessen soll im Rahmen einer Nutzerstudie sowohl der mögliche Vorteil der Integration von Tags auf den Auswahlprozess untersucht, als auch eine bestmögliche Parametrisierung für das Verfahren (z.B. hinsichtlich der Anzahl der Schritte) gefunden werden.

Für die Arbeit sind Programmierkenntnisse und Kenntnisse in der Durchführung und Auswertung empirischer Studien notwendig. Der Besuch der Vorlesung „Recommender Systeme“ ist von Vorteil, aber nicht verpflichtend. Sollten Sie Interesse an dieser Arbeit haben, nehmen Sie bitte Kontakt mit Benedikt Loepp auf (unter Beifügung eines aktuellen Notenspiegels).

[1] Loepp, B., Donkers, T., Kleemann, T., & Ziegler, J. (2018). Interactive recommending with tag-enhanced matrix factorization (TagMF). International Journal of Human-Computer Studies.

[2] Loepp, B., Hussein, T., & Ziegler, J. (2014). Choice-based preference elicitation for collaborative filtering recommender systems. In CHI ’14: Proceedings of the 32nd ACM Conference on Human Factors in Computing Systems (pp. 3085–3094). New York, NY, USA: ACM.

Contact

Benedikt Loepp

Researcher

Details

Related focus areas