,
Empfehlungssysteme aus informationswissenschaftlicher Sicht-State of the Art
IWP-Information Wissenschaft & Praxis, 58 (5): 265--276 (2007)
Аннотация
Empfehlungssysteme tragen Inhalte individuell an Nutzer im WWW heran, basierend auf deren konkreten BedÃŒrfnissen, Vorlieben und Interessen. Solche Systeme kÃ\Pnnen Produkte, Services, Nutzer (mit analogen Interessen) uvm. vorschlagen und stellen damit \\\\\\\\\\\â** gerade im Web 2.0-Zeitalter \\\\\\\\\\\â** eine besondere Form der Personalisierung sowie des social networking dar. Damit bieten Empfehlungssysteme Anbietern im ECommerce einen entscheidenden Marktvorteil, weshalb die Auswertung der Kundendaten bei groÃ*en Firmen wie Amazon, Google oder Ebay eine hohe PrioritÃ\eurot besitzt. Aus diesem Grund wird im vorliegenden Artikel auf die AnsÃ\eurotze von Empfehlungssystemen, welche auf unterschiedliche Weise die BedÃŒrfnisse des Nutzers aufgreifen bzw. \\\\\\\\\\\â**vorausahnen\\\\\\\\\\\â** und ihm VorschlÃ\euroge (aus verschiedenen Bereichen) unterbreiten kÃ\Pnnen, eingegangen. Der Artikel liefert eine Definition und Darstellung der Arbeitsweisen von Empfehlungssystemen. Dabei werden die verschiedenen Methodiken jener Dienste vergleichend erlÃ\euroutert, um ihre jeweiligen Vor- und Nachteile deutlich zu machen. AuÃ*erdem wird der Ontologie- und Folksonomy-Einsatz innerhalb von Empfehlungssystemen beleuchtet, um Chancen und Risiken der Anwendung von Methoden der WissensreprÃ\eurosentation fÃŒr zukÃŒnftige Forschungsarbeiten einschÃ\eurotzen zu kÃ\Pnnen. Recommender Systems in an Information Science View \\\\\\\\\\\â** The State of the Art Recommender systems offer content individually to users in the WWW, based on their concrete needs, preferences and interests. Those systems can propose products, services, users (with analogous interests), etc.) and represent a special form of personalisation as well as of social networking \\\\\\\\\\\â** exactly in the Web 2.0 age. Recommender systems offer e.g. suppliers in the e-commerce a crucial market advantage. So, the evaluation of the customer data has high priority at big companies like Amazon, Google or Ebay. For this reason we engaged in recommender systems, which take up the user\\\\\\\\\\\â**s needs in different ways, to \\\\\\\\\\\â**anticipate\\\\\\\\\\\â** needs and make suggestions (from different areas) to the user. This review article achieves a definition and representation of operations and methods of recommender systems. Exactly the different methodologies of those services should be expounded comparativly on that occasion in order to represent advantages and disadvantages. The use of ontologies and folksonomies as implementations in recommender systems is portrayed in order to be able to take into consideration chances and risks of the application of knowledge representation methods for future researches.
