Volltext-Downloads (blau) und Frontdoor-Views (grau)
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 2 of 10
Back to Result List

Dynamische Contentzuweisung mit erweiterten Daten aus einem Content Management System durch eine Kombination von Langzeit- und Session-Profil mit einem hybriden Empfehlungssystem

  • In dieser Arbeit wird eine Evaluation zwischen verschiedenen implementierten Ansätzen eines Empfehlungssystems auf der Basis eines realen Datensatzes durchgeführt. Der Datensatz beinhaltet das Navigationsverhalten von Besuchern einer Website über Kochrezepte. Während der Vorverarbeitung wird der Datensatz mit zusätzlichen Metainformationen für jedes besuchte Rezept aus dem Content Management System der Webseite angereichert. Die implementierten Empfehlungssysteme verwenden sowohl den Content Based Filtering als auch den Collaborative Filtering Ansatz. Zusätzlich werden beide Ansätze kombiniert und in einem hybriden Empfehlungssystem eingesetzt. Darüber hinaus werden für jede Person im Datensatz zwei individuelle Profile erstellt. Dabei handelt es sich um ein kurzlebiges Session-Profil und ein permanentes Langzeit-Profil. Mit jedem Besuch eines Rezeptes werden beide Profile dynamisch angepasst, so dass sich die individuellen Präferenzen der Personen jederzeit in den Profilen widerspiegeln. Für die Evaluation wird ein eigener Algorithmus angewendet, welcher es erlaubt einen Vergleich zwischen den implementierten Empfehlungssystemen vorzunehmen. Die Besonderheit an dem Evaluationsalgorithmus ist, dass dieser lediglich die besuchten Items und deren Beschreibung für den Vergleich benötigt. Es werden keine expliziten Bewertungen von den Webseitenbesuchern verwendet. In der Arbeit werden die Ergebnisse der unterschiedlichen Ansätze für ein Empfehlungssystem mit dem eigenen Evaluationsalgorithmus diskutiert und die Vor- bzw. Nachteile der jeweiligen Ansätze erläutert. Bei der Analyse stellt sich heraus, dass für den in dieser Arbeit verwendete Datensatz ein hybrides Empfehlungssystem, welches sowohl das Session-Profil als auch das Langzeit-Profil kombiniert, die besten Ergebnisse erzielt. Mit diesem System wird eine Übereinstimmungsgenauigkeit zwischen den vorgeschlagenen Rezepten und den tatsächlich besuchten Rezepten von knapp 36% erreicht. Die beiden Content Based Systeme, welche jeweils entweder das Session-Profil oder das Langzeit-Profil verwenden, erzielen eine Übereinstimmungsgenauigkeit von ca 30% bzw. 20%. Die Algorithmen mit dem Collaborative Filtering Ansatz erreichen bei dem verwendeten Datensatz nur eine Übereinstimmungsgenauigkeit von ca. 15% bzw. 13,5%. Als Referenzmodell wird ein Empfehlungssystem verwendet, das nach dem Zufallsprinzip Rezepte vorschlägt, wodurch eine Übereinstimmungsgenauigkeit von etwa 6% erreicht wird.
  • In this thesis, an evaluation between different implemented approaches of a recommendation system is done based on a real data set. The data set contains the navigation behaviour of visitors of a website about recipes. During preprocessing, the data set is enriched with additional meta information for each visited recipe from the website’s content management system. The implemented recommendation systems uses the Content Based Filtering as well as the Collaborative Filtering approach. Additionally, both approaches are combined and used in a hybrid recommendation system. Furthermore, two individual profiles are created for each person in the data set. These are a short-lived session profile and a permanent long-term profile. Each time a person visits a recipe, both profiles are dynamically adjusted so that the individual preferences of the persons are always reflected in the profiles. For the evaluation an individual algorithm is used, which allows a comparison between the implemented recommendation systems. The special feature of the evaluation algorithm is that it only needs the visited items and their description for the comparison. No explicit ratings from the website visitors are used. In this thesis the results of the different approaches for a recommendation system with the own evaluation algorithm are discussed and the pros and cons of the different approaches are explained. The analysis shows that a hybrid recommendation system, which combines both the session-profile and the long-term profile, achieves the best results for the data set used in this thesis. Using this system, an accuracy of similarity between the proposed recipes and the actually visited recipes of 35% could be achieved. The two content-based systems, which use either the session profile or the long-term profile, achieved an accuracy of similarity of 30% and 20% respectively. The collaborative approaches could only achieve an accuracy of 15% and 13,5% for the data set used. A recommendation system is used as a reference model, which randomly suggests recipes, resulting in a similarity accuracy of about 6%.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Daniel Mathis
DOI:https://doi.org/10.25924/opus-3746
Title Additional (English):Dynamic content allocation with extended data from a content management system by combining long-term and session profiles with a hybrid recommendation system
Advisor:Hans-Joachim Vollbrecht
Document Type:Master's Thesis
Language:German
Year of publication:2020
Publishing Institution:FH Vorarlberg
Granting Institution:FH Vorarlberg
Release Date:2020/11/09
Tag:Empfehlungssystem
Collaborative filtering; Content based filtering; Machine learning
Number og pages:VI, 84
DDC classes:000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft / 005 Computerprogrammierung, Programme, Daten
Open Access?:ja
Course of Studies:Informatik
Licence (German):License LogoUrhG - The Austrian Copyright Act applies - Es gilt das österr. Urheberrechtsgesetz