Karlsruhe Institute of TechnologyKarlsruhe Institute of Technology
Webmaster | Print | Deutsch | Englisch
Lehrveranstaltung

Vorlesung Recommender Systems

Zurück zur Übersicht
Semester:Wintersemester 2023
Dozenten:Prof. Dr. Andreas Geyer-Schulz;
Termin:Freitag 09:45 - 11:15
Ort:10.11 Sitzungssaal Hauptgebäude (R223)
SWS:2
Verlinkt mit:Übung Recommender Systems Wintersemester 2023

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
    16/02/2024, 09:45 - 11:15


    Vorlesungsmaterialien

    Inhalt Autor
    I.1 Einführung Geyer-Schulz, Andreas

    I.2 Assoziationsregel-Recommender Geyer-Schulz, Andreas

    I.3 Collaborative Filtering Systeme Geyer-Schulz, Andreas

    II.4 Klassifikation von Recommendersystemen Geyer-Schulz, Andreas

    II.5 Mechanism Design Probleme Geyer-Schulz, Andreas

    II.6 Zum Wert von Empfehlungen: Explizite Recommendersysteme Geyer-Schulz, Andreas

    II.7 Zur Modellierung von Recommendern: Data Mining und Data Processing Geyer-Schulz, Andreas

    III.8 Ehrenberg's Repeat-Buying Theorie Geyer-Schulz, Andreas

    III.8a Ehrenberg's Repeat-Buying Theorie II: BibTip: Theorien, Modelle, Architektur und Erweiterungen Geyer-Schulz, Andreas

    III.9 Entscheidungsbäume Geyer-Schulz, Andreas

    III.10 Clustering (in Überarbeitung) Geyer-Schulz, Andreas

    III.11 Web-Rankings als Empfehlungen: PageRank, Authority und Hub Geyer-Schulz, Andreas

    Alte Klausuren Geyer-Schulz, Andreas