Implementierung und Evaluation tag-basierter Erklärungen für Empfehlungssysteme basierend auf Matrixfaktorisierung (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. Darüber hinaus konnte gezeigt werden, dass sich hierdurch zugleich auch die Transparenz von Empfehlungssystemen, die auf Matrixfaktorisierung basieren, verbessern lässt. Im Allgemeinen sind Erklärungen eins der beliebtesten Mittel zur Steigerung der Transparenz von Empfehlungssystemen. Während in [1] bereits ein Ansatz vorgestellt wurde, um das typischerweise intransparente Nutzerprofil mit Hilfe von Tags textuell zu erklären, soll dementsprechend in dieser Abschlussarbeit nun eine Implementierung von Erklärungen für die Empfehlungen selbst vorgenommen werden. Im Anschluss daran soll zudem ein Vergleich mit einer herkömmlichen Erklärungsform im Rahmen einer Nutzerstudie durchgeführt 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.

Contact

Benedikt Loepp

Researcher

Details

Related focus areas