Zusammenfassung
Wie in Abschnitt 2.5 ff. beschrieben, basieren Collaborative-Filtering-Verfahren auf dem Gedanken, daß man über eine Gruppe von Personen verfügt, die in einen automatischen Erfahrungsaustausch einbezogen werden soll. Die Benutzer geben ihre individuellen Präferenzen für eine Anzahl von Objekten ab. Möchte sich nun eine bestimmter Benutzer, bezeichnet als „aktiver Benutzer“, eine individuelle Empfehlung über für ihn interessante oder präferierte Objekte geben lassen, wird zunächst aus der hohen Anzahl unterschiedlicher Benutzer eine Reihe ähnlicher Benutzer identifiziert. Die Bewertungen dieser Benutzer werden dann verwendet, um dem aktiven Benutzer eine individuell für ihn passende Empfehlung auszugeben. Einrichtungen oder Systeme, die solche Empfehlungen liefern können, werden als Recommender-Systeme bezeichnet (vgl. Abschnitt 2.4.2).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Referenzen
In diesem Zusammenhang ist zu erwähnen, daß Informations-Filterung und Information Retrieval als zwei Seiten des selben Problems betrachtet werden können (Belkin/Croft 1992).
Rights and permissions
Copyright information
© 2000 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Runte, M. (2000). Automated Collaborative Filtering. In: Personalisierung im Internet. Betriebswirtschaftslehre für Technologie und Innovation, vol 37. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-05968-4_3
Download citation
DOI: https://doi.org/10.1007/978-3-663-05968-4_3
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-0550-3
Online ISBN: 978-3-663-05968-4
eBook Packages: Springer Book Archive