Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title spotting - Realisation and Analysis of a Location Recommender System Based on Facebook
Organization Unit
Authors
  • Reto Hodel
Supervisors
  • Amancio Bouza
  • Harald Gall
Institution University of Zurich
Faculty Faculty of Economics, Business Administration and Information Technology
Date 2009
Abstract Text Generating accurate recommendations for items, such as locations, movies or books, is challenging. Common Web-based recommender systems require information about the users’ past to generate suitable recommendations for them. In this thesis we first present spotting.li, a location recommender system based on Facebook, which allows users to rate locations and generates recommendations inferred by their friends’ ratings. In doing so, we examine requirments to successfully implement such a system using the latest web technologies (i.e., Grails) and describe key elements of our approach. Our focus is put on performance and providing an easy-to-use interface incorporating Google Maps. Furthermore, we analyse different recommendation approaches which leverage structural information from a social network to predict ratings. In particular, we examine the use of social network patterns, such as cliques and trendsetters, as well as direct friends and two levels of indirect friends. We finally conduct an extensive evaluation of these approaches, based on real data collected during the time of the thesis. To prove our findings, we test our dataset, based on 139 users, for statistical significance. We demonstrate that even a simple algorithm, such as the average rating, bares similar results to more elaborate algorithms.
Zusammenfassung Das Generieren von präzisen Empfehlungen für Lokale oder Produkte, wie zum Beispiel Filme oder Bücher, ist eine Herausforderung. Herkömmliche Web-basierte Empfehlungssysteme benutzen Informationen über das vergangene Verhalten eines Benutzers, um persönliche Empfehlungen zu generieren. In dieser Diplomarbeit präsentieren wir spotting.li, ein Empfehlungssystem für Lokale d.h. Bars, Clubs und Restaurants, welches auf dem sozialen Netzwerk Facebook aufbaut. Benutzer haben die Möglichkeit, Lokale zu bewerten und erhalten Empfehlungen, die auf Bewertungen ihrer Freunde basieren. Wir untersuchen die Anforderungen, welche nötig sind, um erfolgreich ein solches System zu entwickeln. Hierfür benutzen wir neuste Web Technologien d.h. Grails und beschreiben Schlüsselelemente unseres Ansatzes. Der Fokus liegt dabei auf Performanz und einem einfach zu bedienenden Benutzerinterface mit integriertem Google Maps Dienst. Des Weiteren untersuchen wir verschiedene Ansätze, welche Informationen, extrahiert aus der Strukur eines sozialen Netzwerks, benutzen, um Bewertungen zu schätzen. Insbesondere untersuchen wir die Nützlichkeit von Mustern eine ssozialen Netzwerks, wie zum Beispiel Cliquen oder Trendsetter, aber auch direkten und indirekten Freunden zweier Stufen. Basierend auf den Daten, die während der Dauer dieser Diplomarbeit gesammelt wurden, führen wir eine ausführliche Evaluierung aller Ansätze durch. Um unsere Ergebnisse zu bewerten, testen wir unsere Datensätze, bestehend aus ingesamt 139 Benutzern, auf statischtische Signifikanz. Wir zeigen, dass selbst ein einfacher Algorithmus wie die Durchschnittsbewertung, ähnliche Ergebnisse wie aufwändigere Algorithmen liefern kann.
Export BibTeX