Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Social Recommender Systems
Organization Unit
Authors
  • Matthias Felix
Supervisors
  • Sven Seuken
  • Michael Shann
Language
  • English
Institution University of Zurich
Faculty Faculty of Economics, Business Administration and Information Technology
Number of Pages 38
Date 2014
Abstract Text Online recommender systems have become an important help for users of various ap- plications. They help users deal with the information overload often encountered in today's online world and filter out relevant alternatives. Social recommender systems moreover try to use information contained in social networks to enhance the performance of conventional recommendation methods. This thesis focuses on the collaborative filtering recommendation approach and ana- lyzes its performance in different environments. A close look is taken at the incorporation of social network information into the collaborative filtering algorithm. Further, concepts from network theory are used to analyze if there exist users who influence the taste of others and therefore could be better predictors.
Zusammenfassung Online-Empfehlungsdienste sind in der heutigen Zeit zu wichtigen Hilfen für Benutzer verschiedenster Applikationen geworden. Sie helfen Benutzern, mit der Informationsflut zurecht zu kommen und relevante Alternativen heraus zu filtern. Soziale Empfehlungsdienste versuchen, mit Hilfe von Informationen aus sozialen Netzwerken die Empfehlungen herkömmlicher Systeme zu verbessern. Diese Arbeit konzentriert sich auf die Collaborative-Filtering-Methode und untersucht deren Performance unter verschiedenen Bedingungen. Weiter wird die Einbindung von Information aus sozialen Netzwerken in den Collaborative-Filtering-Algorithmus genauer studiert. Es werden ausserdem Konzepte aus der Netzwerk-Theorie verwendet, um her- auszufinden, ob es Benutzer gibt, welche den Geschmack anderer beeinflussen und somit bessere Indikatoren für Empfehlungen sein könnten.
PDF File Download
Export BibTeX