Trust und Interest Similarity und deren Anwendung für Empfehlungssysteme
-
Upload
florian-stegmaier -
Category
Technology
-
view
158 -
download
2
description
Transcript of Trust und Interest Similarity und deren Anwendung für Empfehlungssysteme
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Trust und Interest Similarity und derenAnwendung fur Empfehlungssysteme
Florian Niederhuber
9. Januar 2014
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Agenda
Zusammenhang zwischen Trust und Interest SimilarityMeinungsumfrageEmpirische Analyse
Anwendung auf Empfehlersysteme
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Zusammenhang zwischen Trust und InterestSimilarity
Anziehung zwischen Menschen haben eine positiveAuswirkung auf die Ahnlichkeit derer Interessen.⇒ Ahnliches wird auch bei Vertrauensbeziehungenangenommen.
“the more similar two people, the greater the trustbetween them” -Ziegler, Goldbeck
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage
Die Meinungsumfrage beinhaltet 10 Fragen in denKategorien:
I Akzeptanz von Online-Empfehlungen
I Wahrnehmung von anderen Online-Nutzern
I Zusammenhang zwischen Trust und Interest Similarity
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage
Teilnehmer:
I Personliche Einladung via Facebook und eMail.
I Teilnehmer aus funf verschiedenen Landern.
I Nur volljahrige Teilnehmer wurden zurMeinungsumfrage eingeladen.
Von den Eingeladenen haben schließlich 408 Personenteilgenommen.
Durchgefuhrt wurde diese als Online-Umfrage aufSurveyMonkey.com um Teilnehmer aus verschiedenenRegionen der Welt zu erreichen.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage - Akzeptanz vonOnline-Empfehlungen
58% aller Teilnehmer bevorzugen die Unterstutzung durchein Empfehlungssystem
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage - Akzeptanz vonOnline-Empfehlungen
Nehmen Sie an Ihnen steht ein unbekannterExperte fur Autos A und einer Ihrer Freunde Bohne Erfahrung mit Autos fur Empfehlungen beimAutokauf zur Verfugung. Welche Empfehlungbevorzugen Sie?
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage - Wahrnehmung von anderenOnline-Nutzern
52% haben Online-Bekanntschaften, denen sie vertrauen.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage - Wahrnehmung von anderenOnline-Nutzern
59% von denen, die Online-Freundschaften akzeptieren,halten es nicht fur notig diese zu bewerten.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage - Zusammenhang zwischenTrust und Interest Similarity
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Meinungsumfrage - Zusammenfassung
I Die Umfrage bekraftigt die Annahme, dass es einenZusammenhang gibt.
I Empfehlungen bevorzugt von Experten inOnline-Empfehlungssystemen.
I Probleme neuen Online-Bekanntschaften zu vertrauen.
I Nutzer haben kein Interesse daranOnline-Bekanntschaften zu bewerten.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Empirische Analyse
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Hypothese
Hypothese:
Wir glauben, dass in einer spezifischenAnwendungsdomane Menschen ihren Vertrauten imDurchschnitt ahnlicher sind im Vergleich zuMenschen, denen sie nicht vertrauen.
-Ziegler, Golbeck
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Informationsmodel
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Informationsmodel
I Menge von Agenten A = a1, a2, ..., an. A enthalt alleAgenten, die Teil der Community sind.
I Menge von Produkten B = b1, b2, ..., bm. B enthaltalle fur die Domain relevanten Produkte.
I Trust-Rating-Funktion trust : A→ 2A. Fur alle ai ∈ Agibt trust(ai ) eine Teilmenge von Agenten Ai ⊂ Azuruck, die ai vertraut.
I Benutzerbewertungen R1,R2, . . . ,Rn. Jedem Agent aiist eine Menge Ri ⊂ B zugewiesen, welche seineimpliziten Produktbewertungen enthalten.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Informationsmodel
I Taxonomie C uber der Menge D = d1, d2, ..., dl .Die Menge D enthalt Kategorien fur dieProduktklassifikation. Jede Kategorie de ∈ Dreprasentiert ein bestimmtes Topic, in das ein Produktbk ∈ B hineinfallen kann. Die partielle taxonomischeOrdnung C : D → 2D enthalt alle direktenUnterkategorien Cde ⊆ D fur ein Topic de ∈ D.
I Indexierungsfunktion f : B → 2D .Die Funktion f weist jedem Produkt bk ∈ B eine MengeDk ⊆ D von Produktenkategorien zu.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Baum
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Datenbeschaffung
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Datenbeschaffung
Zur Auswahl standen:
I All Consuming
I Epinions
I Film Trust
⇒ All Consuming wurde fur das Experiment gewahlt.
Zusatzliche Informationen wurden von Webblogs extrahiertund zu den Daten von All Consuming hinzugefugt.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Datenbeschaffung
I Die Taxonomie enthalt uber 13,000 verschiedeneKategorien
I Daten beinhalten ca. 6000 Bucher
⇒ Problem?
Die Wahrscheinlichkeit, dass zwei verschiedene Nutzerai , aj ∈ A dasselbe Buch bewertet haben, ist sehr gering.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Profilgenerierung
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Profilgenerierung
Interest-Score
I Fur jede Kategorie dke ∈ f (bk) eines Produktes bk , dieder Agent ai implizit bewertet hat, wird fur derenUberkategorien dke ein Interest-Score berechnet und imProfilvektor vom Benutzer ai eingetragen.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Profilgenerierung
Eigenschaften:
I Der Interst-Score nimmt mit jeder Ebene in derTaxonomie ab.
I Es gibt einen Gesamtscore, der fur alleBenutzervektoren gilt.
I Die zugewiesenen Scores werden unter Berucksichtigungeines Gesamtscores normalisiert.
I Der Interest-Score teilt sich auf alle Subkategoriengleichermaßen auf.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Profilgenerierung
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Similarity-Berechnung unterVerwendung der errechnetenBenutzerpofile.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Similarity-Berechnung
Vergleichen der Profile
I Zum Vergleich wird ein Similarity-Score mit demPearson’s correlation coefficient errechnet.
I Das Ergebnis ist ein Wert zwischen [-1, 1].
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Analyse der oberen Schranke
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Bereinigung der Daten
Bereinigung der Daten von All Consuming.Dabei wurden
I Duplikate,
I Nutzer mit weniger als 3 bewerteten Buchern und
I Nutzer ohne Vertrauensbeziehung
entfernt.
⇒ 266 Nutzer wurden entfernt, 261 bleiben fur die Analyseder oberen Schranke als erstes Experiment.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Analyse der oberen Schranke
Fur jeden Benutzer ai ∈ A′ wird die
I durchschnittliche Ahnlichkeit zu anderen Nutzern,denen ai vertraut (z ′i ) und
I davon unabhangig die durchschnittliche Ahnlichkeit zuallen Nutzern (s ′i ) errechnet.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Analyse der oberen Schranke
⇒ Nutzer sind Vertrauten im Durchschnitt 50% ahnlicher.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Analyse der oberen Schranke
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Analyse der unteren Schranke
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Bereinigung der Daten
Entfernen aller Vertrauensbeziehungen trust(ai ) zwischenNutzern ai ∈ A′, die nur ein Buch gemeinsam haben.
⇒ Fur die Analyse der unteren Schranke als zweitesExperiment wurden die Vertauensbeziehungen auf 210reduziert.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Analyse der unteren Schranke
⇒ Nutzer sind Vertrauten im Durchschnitt 23% ahnlicher.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Analyse der unteren Schranke
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Anwendung auf Empfehlersysteme
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Ausnutzen der Korrelationen zwischen Trust undSimilarity
Ein positiver Zusammenhang zwischen Trust und InterestSimilarity lost Probleme wie:
I Glaubwurdigkeit
I Komplexitat und Skalierbarkeit
⇒ Das Problem der Produkt-Nutzer-Matrix-Kargheit bleibtjedoch.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
Schlussfolgerung
I Einsatz von Trust und Interest Similarity inEmpfehlungssysteme soll bisherige Filtersystemeerweitern und nicht ablosen.
I Weitere Untersuchungen bezuglich dem Zusammenhangvon Trust und Interest Similarity waren sinnvoll.
Trust und InterestSimilarity und
deren Anwendungfur
Empfehlungssys-teme
F. Niederhuber
Agenda
Zusammenhangzwischen Trust undInterest Similarity
Meinungsumfrage
Akzeptanz vonOnline Empfehlungen
Wahrnehmung vonanderenOnline-Nutzern
Meinungsumfrage -Zusammenhangzwischen Trust undInterest Similarity
Zusammenfassung
Empirische Analyse
Informationsmodel
Datenbeschaffung
Profilgenerierung
Similarity-Berechnung
Analyse der oberenSchranke
Analyse der unterenSchranke
Anwendung aufEmpfehlersysteme
THE END