Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Modeling of User Preferences using graph-based Recommender Systems
Organization Unit
Authors
  • Thomas Brenner
Supervisors
  • Bibek Paudel
Language
  • English
Institution University of Zurich
Faculty Faculty of Economics, Business Administration and Information Technology
Number of Pages 52
Date 2015
Abstract Text Recommender systems have become an important tool to help conquer the immense flood of Internet information. In recent years, focus has shifted from just increasing accuracy to improving user satisfaction by producing more diverse recommendations. This thesis seeks deeper knowledge about diversity and how a user approaches it. Users are assigned to two di fferent groups: a diversity-seeking and non-diversity-seeking group; this paper explains di fferent ways to separate the groups. In a second part, alterations to graph-based recommender systems, i.e. applying the tf-idf scheme and employing users' neighborhood relations are discussed. Separation of users into di fferent groups and recommender system variations are evaluated; a useful combination to optimize the results according to a user's preferences is proposed. These new variations of recommender systems succeed in providing more accurate and at the same time more diverse recommendations for certain groups of users compared to state-of-the-art recommender systems.
Zusammenfassung Recommender Systeme sind ein wichtiges Hilfsmittel, um der immensen Flut von Information aus dem Internet Herr zu werden. In den letzten Jahren hat sich der Fokus verlagert. Während zuvor nur die Verbesserung von Genauigkeit im Zentrum stand, rückt nun die Verbesserung der Benutzerzufriedenheit vermehrt ins Zentrum. Diese Arbeit versucht tiefere Kenntnis über Diversität und wie Benutzer darauf reagieren zu gewinnen. Benutzer werden in zwei Gruppen eingeteilt: eine Gruppe, welche Diversität sucht, und eine andere, welche weniger Tendenz zu Diversität zeigt. In dieser Arbeit werden verschiedene Methoden, um diese Gruppen zu bilden ausgearbeitet. In einem zweiten Teil werden Veränderungen an Graphen-basierten Recommender Systemen, im Detail das Anwenden des tf-idf Schemas oder das Nutzen von Nachbarschaftsbeziehungen zwischen Benutzern, diskutiert. Dieses Separieren von Benutzern in verschiedene Gruppen und die Variationen an Recommender Systemen werden evaluiert und eine geeignete Kombination wird vorgeschlagen, um die Präferenzen der Benutzer bestmöglich abzubilden. Diese neuen Varianten von Recommender Systemen liefern genauere Vorschläge und gleichzeitig Vorschläge mit höherer Diversität für einige Benutzergruppen verglichen mit modernen Recommender Systemen.
PDF File Download
Export BibTeX