06.11.2013 Aufrufe

Schwarmintelligenz und evolutionäre Algorithmen in ...

Schwarmintelligenz und evolutionäre Algorithmen in ...

Schwarmintelligenz und evolutionäre Algorithmen in ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

2 Recommendersysteme<br />

Abbildung 2.1: E<strong>in</strong> vere<strong>in</strong>fachtes kollaboratives <strong>und</strong> benutzerorientiertes Recommendersystem<br />

am Beispiel von Filmen. Der aktive Nutzer bevorzugt die drei Filme auf<br />

der l<strong>in</strong>ken Seite (dargestellt durch die L<strong>in</strong>ie). Das System bestimmt die ähnlichsten<br />

Nutzer für den aktiven Benutzer (Mitte). Das s<strong>in</strong>d die Nutzer, die<br />

diese drei Filme auch bevorzugen. Das Recommendersystem bestimmt nun,<br />

welche weiteren Filme diese Nutzer bevorzugen, die der aktive Nutzer noch<br />

nicht kennt. In diesem Beispiel präferieren alle drei den Film 1 (Blade Runner),<br />

weshalb dieser an erster Stelle empfohlen wird. Film 4 wird von ke<strong>in</strong>em<br />

Benutzer der Nachbarschaft empfohlen <strong>und</strong> ergibt daher ke<strong>in</strong>e Empfehlung.<br />

Film 2 stellt die zweitbeste Empfehlung dar, Film 3 die drittbeste.<br />

Die Hauptaufgabe e<strong>in</strong>es Recommendersystems besteht dar<strong>in</strong>, über die Bewertungsfunktion r<br />

die Bewertungen für alle noch nicht bewerteten Items e<strong>in</strong>es oder mehrerer User zu schätzen.<br />

Daraus können Empfehlungen erstellt werden, <strong>in</strong> dem man die am besten bewerteten Items<br />

4

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!