Course

Vorlesung Recommender Systems

Semester:	Summer Term 2016
Lecturer:	Dr. Andreas Sonnenbichler; Prof. Dr. Andreas Geyer-Schulz; Dr. Victoria-Anne Schweigert;
Appointment:	Dienstag 09:45 - 11:15
Location:	20.14 Raum 103.2
SWS:	2
Linked to:	Übung Recommender Systems Summer Term 2016

Participate

To sign up to this course, you must login.

Content

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.

Course dates

Time	Content


04/19/2016, 09:45 - 11:15	Organisatorisches und Einführung
04/26/2016, 09:45 - 11:15	Assoziationsregelrecommender
05/03/2016, 09:45 - 11:15	Collaborative Filtering
05/10/2016, 09:45 - 11:15	Klassifikation
05/17/2016, 09:45 - 11:15	Mechanism Design Problems
05/24/2016, 09:45 - 11:15	Zum Wert von Empfehlungen
05/31/2016, 09:45 - 11:15	Zur Modellierung von Recommendern: Data Mining und Data Processing
06/07/2016, 09:45 - 11:15	Ehrenberg 1
06/14/2016, 09:45 - 11:15	Ehrenberg 2
06/21/2016, 09:45 - 11:15	Decision Trees
06/28/2016, 09:45 - 11:15	Decision Trees & Clustering
07/05/2016, 09:45 - 11:15	Modularity Clustering
07/12/2016, 09:45 - 11:15	Authority Hub
07/19/2016, 09:45 - 11:15	Data Mining and Data Processing

Course material

Content	Author


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