Echtzeit Recommender System mit Collaborative Filtering
| Type of publication: | Mastersthesis |
| Citation: | da:doerrhoefer |
| Type: | Diplomarbeit |
| Year: | 2012 |
| Month: | April |
| School: | Knowledge Engineering Group, TU Darmstadt |
| Note: | Diplomarbeit |
| URL: | /lehre/arbeiten/diplom/2012/Doerrhoefer_Clemens.pdf |
| Abstract: | Im Rahmen dieser Diplomarbeit wird ein Recommender System für den Buchhandel implementiert. Der Fokus der Arbeit liegt in der Echtzeitfähigkeit des Systems. Zusätzlich sind die benötigten Ressourcen so gering gehalten, dass das System auf einem handelsüblichen Server lauffähig ist. Zunächst wird ein Überblick über die verschiedenen Methoden von Recommender Systemen gegeben. Das System selbst wird als Item basiertes Collaborative Filtering realisiert. Bei der Umsetzung sind drei Parameter relevant. Zum einen die benötigt Rechenzeit, die essenziell ist für den Einsatz als Echtzeit System, der benötigte Speicher und die Qualität der Empfehlung. Dabei hat sich der Speicherverbrauch als das kritischste Element erwiesen. Diese Arbeit stellt verschiedene Vorgehensweisen vor, den Speicherverbrauch so gering wie möglich zu halten und vergleicht deren Leistungsfähigkeit anhand der relevanten Parameter. |
| Userfields: | Betreuer={ELM,JF} |
| Keywords: | Collaborative Filtering, Recommender System |
| Authors | |
|
Topics
|
|
|
|
