Lehrveranstaltungen im SS 2004 / Seminar Recommender-Systeme:

Zeit:	Mi. 14-16
Ort:	SR 01-018, Geb. 101
Beginn:	21.4.2004

Recommender-Systeme sind eine intelligente Zugangstechnologie zu großen Informationssystemen wie etwa Online-Kataloge im E-Commerce oder in digitalen Bibliotheken und stellen eine Schlüsseltechnologie für den E-Commerce dar. Recommender-Systeme versuchen Benutzern Dinge zu empfehlen, die für sie von besonderem Interesse sind, wobei sie Benutzerprofile einer Online-Gemeinschaft zu Rate ziehen, die aus expliziten Bewertungen von Produkten oder implizit aus Nutzungsinformationen gewonnen sein können. Recommender-Systeme können so einfach und allgegenwärtig sein wie die Querverweise "wer dieses Buch gekauft hat, hat auch jenes Buch gekauft" von Amazon, aber auch komplexe wissens- und datengetriebene Systeme, die letztlich einen menschlichen Berater oder Verkäufer ersetzen sollen. Damit stellen Reommender-Systeme vermutlich die fortschrittlichste Personalisierungs-Technologie dar, die von einer ganzen Reihe verschiedener Disziplinen wie etwa E-Commerce, Online-Informationssysteme, dynamische Web-Technologien, Data Mining, Information Retrival, künstliche Intelligenz, Nutzermodellierung und Mensch-Maschine-Interaktion gespeist wird.

Das Seminar bietet einen breiten Überblick über verschiedene Technologien und Methoden, die für Modellierung, Erstellung und den Betrieb von Recommender-Systemen verwendet werden.

Vorträge können auf Englisch oder Deutsch gehalten werden.

Themen (M = methodischer, T = technologischer Fokus):

0. -- Introduction --
1. (M) Collaborative filtering.
2. (M) Content-based filtering and hybrid filtering methods.
3. (M) Markov decision processes for modeling recommender systems.
4. (M) profiling and implicit feedback
5. (T) user models and ontologies.
6. (M) recommender systems and network theory (hubs and authorities).
7. (M) recommender systems and social choice theory.
8. (M) conditional preference nets (CP-nets).
9. (T) Adaptive web sites, assisted browsing, and web caching and prefetching.
10. (T) electronic program guides in digital tv.
11. (T) Recommender systems in e-commerce.
12. (T) Recommender systems in digital libraries and e-learning.

Weitere Information zu den Themen siehe unter readings. Sie können sich ab sofort für ein Thema per Email anmelden.