Empfehlungen im Web

1.570 Aufrufe

Veröffentlicht am

"Empfehlungen im Web" - Vorstellung der neuen Studie des SNML beim SNML-Talk am 18.3.2010

Veröffentlicht in: Technologie, Design
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.570
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
68
Aktionen
Geteilt
0
Downloads
12
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Empfehlungen im Web

  1. 1. Das SNML präsentiert Ansätze und Einsatzgebiete von Empfehlungssystemen im Web Buchvorstellung beim SNML-Talk 18. März 2010, Salzburg Dr. Sandra Schaffert Gefördert mit Mitteln des BMWA und des Landes Salzburg
  2. 2. Empfehlung im Web empfohlen werden Webseiten Produkte Dienstleistungen Reiseziele Partner Tags und verschiedenes mehr
  3. 3. Empfehlung im Web Empfehlungen sind für den Nutzer nützliche Informationen
  4. 4. Empfehlung im Web Verfahren der Systeme Einsatzgebiete Entwicklung von Systemen (der Film zum Buch)
  5. 5. Empfehlung Verfahren Auf Grund von welchen Verfahren werden Empfehlungen gegeben?
  6. 6. Empfehlung Verfahren
  7. 7. Empfehlung Verfahren Wir bauen uns einen Süßigkeiten-Empfehler
  8. 8. Empfehlung Verfahren
  9. 9. Inhaltsbasiertes Filtern
  10. 11. Eigenschaftsbezogenes Filtern
  11. 12. Eigenschaftsbezogenes Filtern
  12. 13. Fallbezogene Empfehlung
  13. 14. Fallbezogene Empfehlung
  14. 15. Kollaboratives Filtern
  15. 17. Nutzerbasierte Empfehlung
  16. 18. Nutzerbasierte Empfehlung
  17. 19. Elementbezogene kollaborative E.
  18. 20. Elementbezogene kollaborative E.
  19. 21. Elementbezogene kollaborative E.
  20. 22. Modell- bzw. speicherbasierte E.
  21. 23. Hybride Verfahren
  22. 24. z. B. Tagbasierte Empfehlung „ Wenn (...) Tags gut kombiniert werden, kann das helfen, neue Entwicklungen, Informationen, Diskussionen und so weiter zu finden und aufzuzeigen.“ Prof. Dr. Peter Dolog
  23. 25. Weitere Verfahren
  24. 26. Persönliche Empfehlung
  25. 27. Persönliche Empfehlung
  26. 28. Persönliche Empfehlung
  27. 29. Persönliche Empfehlung
  28. 30. Persönliche Empfehlung
  29. 31. Persönliche Empfehlung
  30. 32. Persönliche Empfehlung Wolf Hilzensauer Tobias Bürger Cornelia Schneider Diana Wieden-Bischof Sandra Schaffert
  31. 33. Empfehlung Einsatzgebi Einsatzgebiete
  32. 34. Empfehlung Einsatzgebi Experten- und Arbeitsplatzsuche Partnersuche Produkte und Dienstleistungen Web-Materialien Prozessempfehlungen
  33. 35. Empfehlung Einsatzgebi Auss chnitt aus der SonntagsZeitung zu einem Artikel über Gavin Potter, Entwickler eines Empfehlungssystem Quelle: SonntagsZeitung, 13. Juli 2008, 81
  34. 36. Experten- und Arbeitplatzsuche
  35. 37. Quelle: http://www.biomedexperts.com (02/2010) Biomedexperts
  36. 38. Freunde- und Partnerempfehlungen
  37. 39. ElitePartner.at
  38. 40. Produktempfehlungen
  39. 41. Movielens
  40. 42. Zappos
  41. 43. Webmaterialien
  42. 44. Delicious – Persönliche Empfehlungen
  43. 45. ReMashed
  44. 46. „ Die Nutzer unseres ReMashed-Systems hatten vor allem Bedenken, dass das System auch ihre privaten Bookmarks und Blogbeiträge auslesen wird. Daher erklären Sie explizit, dass nur öffentlich verfügbare Information für das Empfehlungssystem genutzt werden.“ Dr. Hendrik Drachsler, CELSTEC/NL ReMashed
  45. 47. Prozessempfehlungen
  46. 48. Lernempfehlungen Empfehlungen für Tags Empfehlungen für Reiserouten Medikamentierungsempfehlung Therapieempfehlung Investmentempfehlung Unterstützung bei der Recherche ... und weiteres!
  47. 49. Überblick
  48. 50. Überblick
  49. 51. Empfehlung Entwicklung Entwicklung von Empfehlungssystemen
  50. 52. Übersicht
  51. 53. Überblick ... ausgewählte Aspekte ...
  52. 54. Daten (Quellen)
  53. 55. Quellen & Herausforderungen Bewertungen: z. B. Privatsphäre, Glaubwürdigkeit, Feedback-Effekte Nutzerverhalten: Herausforderungen abgeschwächt
  54. 56. Anwendung (Verfahren)
  55. 57. Inhaltsbasiertes Filtern – Herausforderungen -Zahlreiche Daten müssen vorliegen -Nutzerfeedback unberücksichtigt -Gewichtung der Eigenschaften
  56. 58. Kollaboratives Filtern – Herausforderungen -Kaltstart-Problem -Spärlichkeit der Daten -Graue Schafe -Lemming-Effekt -Tunnelblick
  57. 59. Evaluation
  58. 60. Vorgehen -Befragung von Nutzern -Befragung von Experten -Berechnung von bekannten Werten
  59. 61. Kennzahlen, z. B.
  60. 62. Empfehlung der Film Der Film zum Buch
  61. 63. Empfehlung der Film (Screenshot) http://www.vimeo.com/10231184
  62. 64. mehr Empfehlungen im Web. Konzepte und Realisierungen. Sandra Schaffert, Tobias Bürger, Wolf Hilzensauer Cornelia Schneider & Diana Wieden-Bischof (2010) Band 3 der Reihe „Social Media“ (hrsg. von Georg Güntner und Sebastan Schaffert), Salzburg: Salzburg Research. ISBN 978-3-902448-16-3
  63. 65. Kontakt Dr. Sandra Schaffert SNML/ Salzburg Research Jakob Haringer Straße 5/III [email_address] [email_address] Web: www.newmedialab.at Persönlicher Weblog: http://sansch.wordpress.com

×