TY  - THES
A3  - Vossen, Gottfried
A3  - Vossen, G.
AB  - Recommender Systeme unterstützen aus einem Angebot von Diensten und Produkten auf bspw. Verkaufs- oder Unterhaltungsplattformen, diejenigen zu finden, die die persönlichen Präferenzen bestmöglich abdecken. Durch die Nutzung von Kanälen wie dem Web, sozialen Medien oder E-Mail können zur weiteren Personalisierung auch Produktbewertungen und -betrachtungen oder Interaktionen in sozialen Medien genutzt werden. Diese Arbeit beleuchtet, ob das Aggregieren von diesen Omni-Kanal-Daten die Empfehlungen positiv beeinflusst. Dazu wird zunächst ein Benchmark-Konzept für die Evaluierung kollaborativer Recommender Systeme entwickelt, das ein generisches Datenmodell und Aspekte der Datengenerierung und -aggregation umfasst. Anschließend wird das Konzept durch etablierte Implementierungen auf realen Daten eines Online-Händlers angewendet und die Ergebnisse werden ausführlich diskutiert. Dabei werden neben der Genauigkeit der Empfehlungen auch technische und geschäftliche Perspektiven betrachtet.
AU  - Homann, Leschek Adam
AU  - Fitzek, Leschek Adam
DA  - 2020
KW  - Empfehlungssysteme
KW  - Empfehlungen
KW  - Kollaboratives Filtern
KW  - Omni-Kanal
KW  - Benchmarking
KW  - Online Einzelhandel
KW  - Evaluierung
KW  - recommender systems
KW  - recommendations
KW  - collaborative-filtering
KW  - omni-channel
KW  - benchmarking
KW  - online-retailing
KW  - evaluation
LA  - eng
PY  - 2020
TI  - Benchmarking recommender systems
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:6-56089471396
Y2  - 2024-12-27T06:29:27
ER  -