Einleitung Motivation Aufbau eines Empfehlungssystems Beschreibung des Portals 42-Data Ziele der Implementierung Techniken Bewertungsarten (implizit & explizit) Implizite Faktoren von Webseiten Arten Objekt Empfehlung Verschiedene Ansätze (kollaborativ & inhaltsbasiert) Empfehlungsprozess für 42-Data Online Benutzerbefragung Wissenschaftliche Fragen

1. Untersuchung und anschließende
Implementierung eines Empfehlungssystems
f¨ur das Frage & Antwort Portal ”42-Data”
Lucas Mußm¨acher
28. Mai 2014
1 / 24

2. Ablauf der Pr¨asentation
Einleitung
Motivation
Aufbau eines Empfehlungssystems
Beschreibung des Portals 42-Data
Ziele der Implementierung
Techniken
Bewertungsarten (implizit & explizit)
Implizite Faktoren von Webseiten
Arten Objekt Empfehlung
Verschiedene Ans¨atze (kollaborativ & inhaltsbasiert)
Empfehlungsprozess f¨ur 42-Data
Online Benutzerbefragung
Wissenschaftliche Fragen
2 / 24

3. Definition: Empfehlungssystem
Definition:
Ein Empfehlungssystem ist ein System, das einem Benutzer in
einem gegebenen Kontext aus einer gegebenen Entit¨atsmenge
aktiv eine Teilmenge n¨utzlicher Elemente empfiehlt.
Elemente der Entit¨atsmenge (Objekte):
Waren & Produkte: z.B. DVDs, B¨ucher, Kleidung ...
Digitale Inhalte: z.B. Musik, Video, Webseiten ...
n¨utzliche Elemente:
relevante Objekte f¨ur einen Benutzer
3 / 24

4. Aufbau eines kollaborativen Empfehlungssystem
Abbildung: Aufbau und Komponenten
Jeden Benutzer werden relevante Objekte empfohlen
Meinung eines Benutzers entspricht der Objektbewertung
4 / 24

5. Motivation f¨ur Empfehlungssysteme
Abbildung: Informationsflut durch sehr viele Objekte
Motivation:
Benutzer: Suche nach interessanten und neuen Objekten
Unternehmen: Umsatzsteigerung durch hohe Verkaufszahlen
Beispiel: Spotify (18 Millionen Songs)
5 / 24

6. Beispiel: Musik Streaming Dienst, Spotify
Musik Empfehlung:
Benutzer hat Nero und Pendulum geh¨ort
⇒ Noisia (Interpret) wird vorgeschlagen
Ziele: Neue Musik Entdecken
Abbildung: Empfohlene Interpreten 6 / 24

7. Beispiel: Warenverkauf im Internet, Amazon
Produkt Empfehlung:
Benutzer hat ein Handy gekauft
⇒ Handyh¨ulle wird vorgeschlagen
Ziele: Produkte Entdecken und Kaufen
Abbildung: Passende Produkte 7 / 24

8. Beschreibung des Portals 42-Data
Frage & Antwort System: (42-Data)
Benutzer stellen zu bestimmten Themen Fragen
Experten beantworten die Fragen
Benutzer k¨onnen f¨ur gute Antworten Geld spenden
Diskussion ist Daten zentriert
Bekannte Systeme:
stackoverflow.com (Stack Overflow / technische Themen)
gutefrage.net (GuteFrage / Alltagsthemen)
8 / 24

9. Beispiel: Fragen des Portals 42-Data
Abbildung: Liste der gestellten Fragen
Zielgruppen: Forscher, Studierende und Journalisten
9 / 24

10. Ziele der Bachelorarbeit
Abbildung: Aufgaben des Empfehlungssystems
Auswahl eines geeigneten Ansatzes
Umsetzung und Implementierung des Systems
10 / 24

11. Bewertungsarten (implizit & explizit)
Explizite Bewertung:
Direkte Angabe der
Objektbewertung
z.B. Punkte, Like &
Dislike, Sterne ...
Implizite Bewertung:
Indirekte Angabe der
Objektbewertung
explizite Bewertung muss
berechnet werden
z.B. Webseitenaufrufe,
Lesedauer, Mausklicks ...
11 / 24

12. Beispiel: Explizite und implizite Bewertung
Abbildung: Stern Bewertung bei
Filmen (explizit)
Abbildung: Anzahl der geh¨orten
Songs (implizit)
12 / 24

13. Implizite Faktoren von Webseiten (Fragen)
Abbildung: Implizite Faktoren im Internet
Javascript Events erzeugen die Daten
13 / 24

14. Probleme impliziter Faktoren
answersubmit 0 elementclick 2
keypress 27 mousemove 3345
mouseover 98 mouseselect 7
pageprint 0 pagescroll 381
pagevisits 1 timevisited 48.17
Abbildung: Beispielhafte Werte impliziter Faktoren
Probleme:
Lesedauer: Browser Fenster ge¨offnet ⇒ PC verlassen
Mausscrollen: Geringe Bildschirmaufl¨osung ⇒ mehr Scrollen
Textmarkierung: Copy & Paste Mentalit¨at
14 / 24

15. Speicherungsprozess impliziter Faktoren
Abbildung: Speicherung der Event Daten
15 / 24

16. Objekt Empfehlung
Kollaborativer Ansatz:
Es existieren Benutzer mit gleichen Interessen
Benutzer mit gleichen Interessen bewerten Objekte ¨ahnlich
Benutzer sind dann ¨ahnlich, wenn sie Objekte gleich bewerten
Zwei ¨ahnliche Benutzer schlagen sich gegenseitig Objekte vor
Inhaltsbasierter Ansatz:
Es exisiteren Objekte, die inhaltlich ¨ahnlich sind
Zwei Objekt sind dann ¨ahnlich, wenn sie die gleichen
Merkmale besitzen
Dem Benutzer werden Objekte vorgeschlagen, bei denen die
Merkmale mit den bekannten Objekte ¨ubereinstimmen
16 / 24

17. Inhaltsbasiertes Empfehlungssystem
Abbildung: Inhaltsbasiertes Empfehlungssystem
Schl¨usselmerkmale der Objekte m¨ussen extrahiert werden
Objekte mit gleichen Merkmalen werden vorgeschlagen
17 / 24

18. Beispiel: Benutzerbasierte Ans¨atze (kollaborativ)
Benutzer × Filme Pate 1 Pate 2 Fight Club Taxi Driver
Julia ? 3,3 4 2,3
Lisa 1,3 3,2 3,9 2,5
Paul 5 4 4,5 3,8
Peter 5,1 3,9 ? 3,8
... ... ... ... ...
Benutzer ¨Ahnlichkeit:
Paul ist ¨ahnlich zu Peter
Lisa ist ¨ahnlich zu Julia
18 / 24

19. Beispiel: Objektbasierte Ans¨atze (kollaborativ)
Benutzer × Filme Star Wars Star Gate Matrix 1 Matrix 2
Julia ? 1,5 3,1 3,2
Paul 5 4,9 4,1 4,2
Peter 3,1 2,9 5 ?
Lisa 1,4 1,5 2,9 3,2
... ... ... ... ...
Objekt ¨Ahnlichkeit:
Matrix 1 ist ¨ahnlich zu Matrix 2
Star Wars ist ¨ahnlich zu Star Gate
19 / 24

20. Empfehlungsprozess f¨ur das Portal 42-Data
Abbildung: Ablauf der Objekt Empfehlung
20 / 24

21. Online Benutzerbefragung
Themen der Benutzerbefragung:
Gewichtung der impliziten Faktoren (Priorit¨aten)
Anforderung des Algorithmus (Zusatz Funktionalit¨at)
Visuelle Pr¨asentation relevanter Objekte (Anzahl, Ort)
21 / 24

22. Gewichtungsprozess impliziter Faktoren
Abbildung: Berechung der impliziten Faktoren in eine Bewertung
Gewichtung:
... Gedruckt < Lesedauer < Aufrufe < Beantwortet
22 / 24

23. Wissenschaftliche Fragen
Nutzen des Empfehlungssystem (Integration im Portal)
G¨ute der impliziten Faktoren (explizite zu folgern)
Arten der Benutzer Beobachtung (Zeit, Klicks, Maus)
[Kontext] z.B. begrenzte Relevanz von Themen (WM 2014)
23 / 24

24. Ablaufplan der Bachelorarbeit
Abbildung: Zeitplan der Bachelorarbeit
24 / 24