„Dieser Artikel könnte Sie auch interessieren“. Wer kennt diesen Satz nicht, wenn er jemals etwas in einem Online-Shop gekauft hat. Und tatsächlich ist man immer wieder verblüfft, wie gut Amazon und Co die eigenen Vorlieben zu kennen scheinen. Das Problem ist nur, nicht immer machen die Empfehlungen auch Sinn.
Eine Lösung bieten neuartige semantische Empfehlungssysteme, die gerade den Sprung von der Grundlagenforschung in die Anwendung geschafft haben. Deren Praxistauglichkeit konnte Neofonie gemeinsam mit dem DAI-Labor an der Technischen Universität Berlin im Forschungsprojekt SERUM belegen.
Derzeit basieren die gängigen Empfehlungssysteme in Online-Shops vor allen Dingen auf statistischen Auswertungsverfahren. Berechnet werden lediglich Ähnlichkeiten zwischen Nutzerverhalten oder Produkteigenschaften. Die Folge ist, dass den Nutzern immer wieder Produkte vorgeschlagen werden, die sie entweder schon gekauft haben oder die bereits gekauften Artikeln so ähnlich sind, dass sie dem potenziellen Käufer keinen Mehrwert mehr bieten. So macht es beispielsweise keinen Sinn, die gebundene Ausgabe eines Romans vorzuschlagen, wenn man gerade die Taschenbuchausgabe davon erworben hat.
Kern des Problems ist eine prinzipielle „Unwissenheit“ des Systems über Bedeutungszusammenhänge von Produkten oder Interessen in der realen Welt. Empfehlungssysteme der nächsten Generation setzen daher auf semantische Web-Technologien, die in der Lage sind, Hintergrundwissen zu bestimmten Themengebieten wie Musik, Literatur oder beispielsweise Computertechnik zu nutzen, um die errechneten Ähnlichkeiten oder Unterschiede empfohlener Artikel richtig zu interpretieren.
Im Forschungsprojekt SERUM, das erst jüngst zu Ende gegangen ist, wurde der Einsatz semantischer Web-Technologien gerade für dieses Szenario erfolgreich erprobt. SERUM steht für SEmantic Recommendation and Unstructured data Management. Im Projekt ist die Grundlage für ein semantisches Empfehlungssystem geschaffen worden, das basierend auf einer semantischen Analyse von Benutzerverhalten und Nachrichtentexten hochqualitative Empfehlungen berechnet. Ziel war es, ein System zu entwickeln, das unabhängig vom spezifischen Anwendungsfall Empfehlungen aus unterschiedlichen Domänen wie z.B. Musik ermittelt.
Dazu wurde im Rahmen des Projekts ein Online-Demonstrator entwickelt, der Empfehlungen zu Künstlern aus der Musikbranche anbietet. Über die Suchbox können je nach Interesse Künstler ausgewählt werden. Anschließend werden entsprechend der getroffenen Auswahl weitere relevante Künstler in Form eines interaktiven Graphen empfohlen. Zudem werden dem Anwender aktuelle Nachrichten präsentiert, die zum ausgewählten Künstler passen. Gleichzeitig kann er sich ein Portfolio von Künstlern zusammenstellen, die ihn am meisten interessieren, wodurch sich der Nachrichtenstrom entsprechend der eigenen Vorlieben ändert.
Was meinen Sie zu dem Thema? Tauschen Sie sich über die Kommentarfunktion mit unseren anderen Lesern aus. Zudem können Sie sich täglich über unsere Facebook-Seite auf dem neuesten Stand halten oder dort unsere Beiträge kommentieren.
(Stefan Rudnitzki/Marco Schürmann | Quelle: pressebox.de)
