Vorlesung Recommendersysteme
Semester: | Sommersemester 2016 |
Dozenten: | Dr. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Dr. Victoria-Anne Schweigert; |
Termin: | Dienstag 09:45 - 11:15 |
Ort: | 20.14 Raum 103.2 |
SWS: | 2 |
Verlinkt mit: | Übung Recommendersysteme (Übung) Sommersemester 2016 |
Inhalt
Die Vorlesung befasst sich mit adaptiven und personalisierten Informationsdienstleistungen und deren wirtschaftlichem Einsatz mit einem Schwerpunkt auf Recommendersystemen. Recommendersysteme sammeln oder generieren Empfehlungen, die Kunden z.B. helfen, interessante Produkte zu finden. Recommendersysteme erfreuen sich dabei im Rahmen vieler E-Commerce Angebote einer ständig wachsenden Beliebtheit.Im Rahmen der Vorlesung werden wir beispielsweise folgende Fragen behandeln:
Im Übungsbetrieb werden wir uns unter anderem der Analyse bestehender Recommendersysteme und der Implementierung einfacher Recommendersysteme widmen. Großer Wert wird im Rahmen der Vorlesung auf die selbständige, kritische Lektüre von Fach- und wissenschaftlichen Artikeln und auf die Mitarbeit beim Aufbau einer entsprechenden Bibliothek zu diesem Thema gelegt.
Eine Literatur- und Leseliste wird in den (digitalen) Vorlesungsunterlagen zur Verfügung gestellt.
Veranstaltungstermine
Time | Inhalt |
---|---|
19.04.2016, 09:45 - 11:15 | Organisatorisches und Einführung |
26.04.2016, 09:45 - 11:15 | Assoziationsregelrecommender |
03.05.2016, 09:45 - 11:15 | Collaborative Filtering |
10.05.2016, 09:45 - 11:15 | Klassifikation |
17.05.2016, 09:45 - 11:15 | Mechanism Design Problems |
24.05.2016, 09:45 - 11:15 | Zum Wert von Empfehlungen |
31.05.2016, 09:45 - 11:15 | Zur Modellierung von Recommendern: Data Mining und Data Processing |
07.06.2016, 09:45 - 11:15 | Ehrenberg 1 |
14.06.2016, 09:45 - 11:15 | Ehrenberg 2 |
21.06.2016, 09:45 - 11:15 | Decision Trees |
28.06.2016, 09:45 - 11:15 | Decision Trees & Clustering |
05.07.2016, 09:45 - 11:15 | Modularity Clustering |
12.07.2016, 09:45 - 11:15 | Authority Hub |
19.07.2016, 09:45 - 11:15 | Data Mining and Data Processing |
Vorlesungsmaterialien
Inhalt | Autor |
---|---|
0. Organisatorisches | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
I.1 Einführung | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
I.2 Assoziationsregel-Recommender | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
I.3 Collaborative Filtering Systeme | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
II.4 Klassifikation von Recommendersystemen | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
II.5 Mechanism Design Probleme | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
II.6 Zum Wert von Empfehlungen: Explizite Recommendersysteme | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
II.7 Zur Modellierung von Recommendern: Data Mining und Data Processing | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
III.8 Ehrenberg's Repeat-Buying Theorie | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
III.9 Entscheidungsbäume | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
III.10 Clustering | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |
III.11 Authority und Hub Algorithmen | Dr.-Ing. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Victoria-Anne Schweigert |