Recommendation Systeme – Teil 1

Recommendation Systeme, auch bekannt als Recommender Systeme, sind essentiell für einen erfolgreichen Onlineshop. Durch Feedback zu Produkten und Empfehlungen zu ähnlichen Produkten wird der Benutzer elegant durch den Onlineshop geführt und muss nicht bei einer Kauf-Unsicherheit nicht nach den für ihn interessanten Produkten googeln. Der Benutzer kann direkt im Onlineshop Rezensionen lesen oder ähnliche Produkte anschauen und bekommt somit einen höheren Anreiz zum Kauf.

Ein Recommendation System kann als ein System definiert werden, dass aus den Bedürfnissen einer Person lernt. Basierend auf dieser Erkenntnis begleitet das System den User auf eine persönliche Art zwischen einer großen Auswahl von verschiedenen Möglichkeiten zu den für ihn passenden Objekten.

Der folgende Teil beschreibt die gängigsten Personalisierungstechniken für Recommendation Systeme und erläutert ihre Funktionen:

Non-Personalized Recommendations

Non-Personalized Recommendations werden durch Bewertungen eines Produktes durch andere Kunden generiert. Die Bewertungen werden von dem Recommendation System gesammelt. Diese Recommendations sind kurzlebig, automatisiert und werden basierend auf den Bewertungen generiert. Es ist oft der Fall, dass diese Bewertungen auf einer vorher definierten Skala gemacht werden, wie zum Beispiel die folgende Abbildung die Vergabe von Sternen auf Amazon zeigt.

Auf eBay und auch auf Amazon ist ein ähnliches System zu finden, aber der Unterschied zu den davor genannten Webseiten ist, dass man auf eBay andere Benutzer statt Produkte bewertet. Das von Kunden geschriebene Feedback zu Produkten oder Profilen ist eine weitere Form von Non-Personalized Recommendations.

Attribute-Based Recommendations

Attribute-Based Recommendations, auch Action-to-Item Recommendations genannt, werden durch syntaktische Eigenschaften der Produkte generiert, d.h. es wird die Ähnlichkeit von mehreren Produkten untersucht. Wenn ein Benutzer auf einer Webseite beispielsweise nach medizinischer Fachliteratur sucht, werden ihm auf der Produktdetailseite weitere Bücher zu diesem Fachgebiet angeboten. Das Recommendation System beinhaltet Lerntechniken, die nach dem Prinzip des Clustering oder der Bayesschen Netze funktionieren.

Die folgende Abbildung zeigt ein Beispiel für Attribute-Based Recommendations:

Die Abbildung zeigt einen Ausschnitt aus Movie-Map mit dem Suchbegriff „Pulp Fiction“. Je näher die Namen der Filme zueinander stehen, desto größer ist die Wahrscheinlichkeit, dass man beide Filme mag.

Im nächsten Teil gehe ich auf die gängigen Filtertechniken ein, mit denen Recommendations generiert werden. Hier geht es zum zweiten Teil meiner Ausarbeitung zu Recommender Systems.