Not logged in.
Quick Search - Contribution
Contribution Details
| Type | Master's Thesis |
| Scope | Discipline-based scholarship |
| Title | Ein Empfehlungsdienst für kulturelle Präferenzen in adaptiven Benutzerschnittstellen |
| Organization Unit | |
| Authors |
|
| Supervisors |
|
| Institution | University of Zurich |
| Faculty | Faculty of Economics, Business Administration and Information Technology |
| Date | 2009 |
| Abstract Text | This thesis addresses the refinement of adaptation rules in a web-based to-do management system named MOCCA. MOCCA is an adaptive system, which adapts the user interface using the cultural background information of each user. To achieve the goal of this thesis, a recommender system was developed, which clusters similar users into groups. In order to create new adaptation rules for similar users, the system calculates recommendations, which are assigned to the groups. The recommender system uses techniques such as collaborative filtering, k-Means and the statistical X2 goodness-of-fit test. The system was designed in a modular fashion and divided into two parts. One part of the recommender system gathers similar users and groups them accordingly. The other part uses the generated groups and calculates recommendations. For each part two concrete components were created. Those components are interchangeable, so that the recommender system can be composed as desired. All possible compositions were evaluated with a set of test users. It could be shown, that the developed recommender system generates a more accurate user interface than the initially given adaptation rules. |
| Zusammenfassung | Diese Arbeit befasst sich mit der Verbesserung von Adaptionsregeln in einem webbasierten Aufgaben-Verwaltungssystem mit einer adaptiven Benutzerschnittstelle (MOCCA).MOCCA adaptiert die Benutzerschnittstelle anhand der kulturellen Daten der verschiedenen Benutzer. Um die Adaptionsregeln zu verbessern, wurde ein Empfehlungsdienst entwickelt, welcher ähnliche Benutzer in Gruppen einteilt und anhand dieser Adaptionsregeln bestimmt. Für dieses Vorhaben wurde zuerst die Theorie mehrerer Verfahren angeschaut und diese anschliessend auf den vorliegenden Problembereich angewandt. Bei diesen Verfahren handelt es sich um das Collaborative Filtering, den k-Means-Algorithmus und den statistischen X2-Verteilungstest. Der Empfehlungsdienst wurde modular aufgebaut und in zwei Teile gegliedert. Der eine Teil des Empfehlungsdiensts sucht ähnliche Benutzer und teilt sie in Gruppen ein, während der andere anhand dieser Gruppen die Empfehlungen berechnet. Für jeden Teil wurden zwei konkrete Komponenten entwickelt. Diese können ausgetauscht und der Empfehlungsdienst somit beliebig zusammengesetzt werden. Alle möglichen Zusammensetzungen wurden anhand von Testdaten evaluiert und mit den initialen Adaptionsregeln von MOCCA verglichen. Es konnte gezeigt werden, dass der implementierte Empfehlungsdienst bessere Resultate liefert als die initialen Adaptionsregelnvon MOCCA. |
| Export |
BibTeX
|