Datenstrombasierte Recommender-Systeme

Datenstrombasierte Recommender-Systeme

Projektgruppe: Datenstrombasierte Recommender-Systeme

Die besten Empfehlungen
zum richtigen Zeitpunkt
für den richtigen Benutzer.

Recommender-Systeme finden man in vielen Informationssystemen. Man kennt sie von den Produktempfehlungen von Amazon, den Musikempfehlungen von Spotify bzw. last.fm oder auch von den Filmempfehlungen von Netflix. Das Ziel eines Recommender-Systems ist das Interesse eines Benutzers an bestimmten Objekten vorauszusagen, um aus einer großen Menge an Objekten diejenigen dem Benutzer zu empfehlen, für die das vorhergesagte Interesse des Benutzers am größten ist. Recommender-Systeme dienen somit als Werkzeug, um der Flut an Informationen Herr zu werden.

Benutzer können zu verschiedenen Zeitpunkten und in verschiedenen Situationen unterschiedliches Interesse an Objekten haben. Jeder kennt beispielsweise die unpassenden Empfehlungen in Webshops, nur weil mein kürzlich ein Geschenk für die Partnerin/den Partner gekauft hat. Eine große Herausforderung ist es, das aktuelle Interesse eines Benutzers in Echtzeit zu ermitteln, um zu jedem Zeitpunkt eine optimale Empfehlungsmenge bestimmen zu können. Ein Ansatz dafür ist die Umsetzung eines Recommender-Systems mit einem Datenstrommanagementsystem (DSMS).

Im Rahmen der Projektgruppe Datenstrombasierte Recommender-Systeme soll ein konkretes Anwendungsszenario mit dem DSMS Odysseus umgesetzt werden, in dem in Echtzeit das gegenwärtige Interesse aller Benutzer an den Objekten des Softwaresystems bestimmt wird, um den Benutzern personalisiert und situationsangepasst Objekte empfehlen zu können. Dazu sollen verschiedene Datenquellen, wie z. B. Social-Media-Daten, Nutzungsdaten oder Kontextdaten (Standort des Benutzers etc.), eingebunden und analysiert werden.

  • Kontakt: Cornelius Ludmann
  • Laufzeit: 1. April 2015 bis 31. März 2016 (SS 2015 + WS 2015/2016)

Beispiele für Anwendungsszenarien

  • Restaurants, Kneipen etc., die den Benutzer in seiner aktuellen Situation interessieren.
  • Smartphone-Apps, die für den Benutzer gegenwärtig nützlich sind.
  • Nachrichten auf dem Smartphone, die für den Benutzer thematisch und von der Darstellung/Länge aktuell interessant sind.
  • Musik/Filme, die das Interesse des Benutzer in seiner jetzigen Situation wecken.
  • Freizeitaktivitäten, die dem Wetter, der Jahreszeit und den Gewohnheiten des Benutzers angepasst sind.

Aufgaben der Projektgruppe

Die Projektgruppe hat die Aufgabe, ein datenstrombasiertes Recommender-System anhand eines konkrekten Anwendungsszenarios umzusetzen. Dazu gehört die Benutzeranwendung zur Erhebung der Interessen des Benutzers sowie der Darstellung der Empfehlungen, das eigentliche Recommender-System eingebettet in Odysseus sowie eine Administrationskonsole zur Konfiguration und Überwachung des Recommender-Systems.

Für das Recommender-System sollen geeignete Algorithmen ausgewählt, implementiert und ggf. erweitert sowie anschließend in Odysseus integriert werden. Dazu gehören Algorithmen für das maschinelle Lernen der Benutzerinteressen sowie zur Vorverarbeitung der Daten.

Rückblick

Nach einem Jahr ist das Projekt beendet, in dem das 10-köpfige Projektteam (Master-Studenten der Universität Oldenburg) Erfahrungen in der selbstständigen Durchführung eines Softwareprojektes gemacht haben.

Das Ergebnis ist eine Android App (siehe Video) mit Anbindung an eine Middleware, die zur Verarbeitung der Benutzeraktionen das Datenstrommanagementsystem Odysseus einsetzt.

(Stand: 19.01.2024)  | 
Zum Seitananfang scrollen Scroll to the top of the page