Lehrveranstaltung

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

Teilnehmen

Um sich für die Vorlesung einzuschreiben, müssen Sie sich einloggen.

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:

Personalisierung: technische und wirtschaftliche Aspekte.

Der Prosument: eine Vision.

Betriebswirtschaftliche Grundlagen zum Einsatz von Recommendersystemen.

Implizite versus explizite Recommendersysteme.

Designprobleme bei expliziten Recommendersystemen.

Methoden zur Implementierung impliziter Recommendersysteme.

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