Course

Vorlesung Recommender Systems

Semester:	Winter Term 2023
Lecturer:	Prof. Dr. Andreas Geyer-Schulz;
Appointment:	Freitag 09:45 - 11:15
Location:	10.11 Sitzungssaal Hauptgebäude (R223)
SWS:	2
Linked to:	Übung Recommender Systems Winter Term 2023

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


10/27/2023, 09:45 - 11:15
11/03/2023, 09:45 - 11:15
11/10/2023, 09:45 - 11:15
11/17/2023, 09:45 - 11:15
11/24/2023, 09:45 - 11:15
12/01/2023, 09:45 - 11:15
12/08/2023, 09:45 - 11:15
12/15/2023, 09:45 - 11:15
12/22/2023, 09:45 - 11:15
12/29/2023, 09:45 - 11:15
01/05/2024, 09:45 - 11:15
01/12/2024, 09:45 - 11:15
01/19/2024, 09:45 - 11:15
01/26/2024, 09:45 - 11:15
02/02/2024, 09:45 - 11:15
02/09/2024, 09:45 - 11:15
02/16/2024, 09:45 - 11:15

Course material

Content	Author


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