Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title OMORE - Private, Personal Movie Recommendations implemented in a Mozilla Firefox Add-on
Organization Unit
Authors
  • Tobias Bannwart
Supervisors
  • Amancio Bouza
  • Gerald Reif
  • Harald Gall
Institution University of Zurich
Faculty Faculty of Economics, Business Administration and Information Technology
Date 2009
Abstract Text Online stores and Web portals bring information about a myriad of items such as books, CDs, restaurants or movies at the user's fingertips. Although, the Web reduces the barrier to the information, the user is overwhelmed by the number of available items. Therefore, recommender systems aim to guide the user to relevant items. Current recommender systems store user ratings on the server side. This way the scope of the recommendations is limited to this server only. In addition, the user entrusts the operator of the server with valuable information about his preferences. In this thesis, we introduce our recommender system OMORE, a private, personal movie recommender, which learns the user model based on the user's movie ratings. To preserve privacy, OMORE is implemented as a Mozilla Firefox add-on, which stores the user's ratings and the learned user model locally at the client side. Although OMORE makes use of the movie features, which are provided by the different movie pages on the IMDb Web site, it is not restricted to IMDb only. The current implementation covers movie pages from Amazon.com, Blockbuster, Netflix and Rotten Tomatoes.
Zusammenfassung Online-Geschäfte und Web Portale bieten einem Kunden im Allgemeinen eine riesige Auswahl an Filmen oder Büchern an. Oftmals ist dieser aber mit der riesigen Auswahl an vorhandenen Artikeln überfordert und braucht Unterstützung, um die für ihn interessanten Produkte auch wirklich zu finden. Empfehlungssysteme haben sich bewährt und sind sehr erfolgreich beim Filtern von grossen Datenbeständen. Doch nur wenige Portale wie das Online-Geschäftshaus <a href=""http://www.amazon.com"">Amazon</a> bieten einem Kunden ein solches Empfehlungssystem zur aktiven Unterstützung an. In der Regel basieren die von einem Empfehlungssystem vorgeschlagenen Produktempfehlungen auf den Bewertungen von anderen Kunden. Diese werden in den heutzutage verfügbaren Empfehlungssystemen häufig von den Anbietern eines Web Portals individuell verwaltet, so dass sie dadurch nicht auf anderen Portalen wie zum Beispiel dem <a href=""http://www.netflix.com"">Online DVD Verleih Netflix</a> verwendet werden können. Zudem vertraut ein Kunde einem Anbieter eines solchen Portals oft sehr vertrauliche Informationen über sein Kaufverhalten und seine Präferenzen an. In dieser Arbeit soll daher ein portalunabhängiges Empfehlungssystem entwickelt werden, welches direkt im Web-Browser integriert ist. Das von uns auf den Namen OMORE getaufte Empfehlungssystem, ist ein auf Sicherheit ausgerichtetes personalisiertes Empfehlungssystem für Filmliebhaber, welches als Erweiterung für den Mozilla Firefox Browser angeboten wird. Es lernt die Benutzerpräferenzen basierend auf den Filmbewertungen eines Benutzers und speichert das gelernte Model der Benutzerpräferenzen lokal auf dem System des Benutzers ab. Dadurch wird sichergestellt, dass die Benutzerpräferenzen vor unbefugtem Zugriff geschützt sind. OMORE bietet einem Benutzer portalübergreifende Empfehlungen an, wobei die aktuelle Implementierung die Filmseiten von Amazon.com, Blockbuster, der Internet Movie Database, Netflix und Rotten Tomatoes umfasst.
Export BibTeX