
Recommender Systems: Algorithms and Applications
Empfehlungssysteme nutzen die Informationsfilterung, um die Präferenzen der Nutzer vorherzusagen. Sie entwickeln sich zu einem wichtigen Bestandteil des elektronischen Geschäftsverkehrs und werden in einer Vielzahl von Branchen eingesetzt, von der Unterhaltung und sozialen Netzwerken bis hin zur Informationstechnologie, dem Tourismus, dem Bildungswesen, der Landwirtschaft, dem Gesundheitswesen, der Fertigung und dem Einzelhandel. Das Buch Recommender Systems: Algorithms and Applications befasst sich mit den theoretischen Grundlagen dieser Systeme und zeigt auf, wie diese Theorie in aktuellen Systemen angewandt und umgesetzt wird.
In dem Buch werden verschiedene Klassen von Empfehlungsalgorithmen untersucht, darunter.
⬤ Algorithmen für maschinelles Lernen.
⬤ Algorithmen zur Erkennung von Gemeinschaften.
⬤ Filterungsalgorithmen.
Verschiedene effiziente und robuste Produktempfehlungssysteme, die Algorithmen des maschinellen Lernens verwenden, sind hilfreich bei der Filterung und Erkundung ungesehener Daten durch die Nutzer, um bessere Vorhersagen und Extrapolationen von Entscheidungen zu ermöglichen. Sie bieten ein breiteres Spektrum an Lösungen für Herausforderungen wie Probleme mit unausgewogenen Datensätzen, Cold-Start-Probleme und Long-Tail-Probleme. Dieses Buch befasst sich auch mit grundlegenden ontologischen Positionen, die das Fundament von Empfehlungssystemen bilden und erklären, warum bestimmte Empfehlungen anderen vorgezogen werden.
Es werden auch Techniken und Ansätze für die Entwicklung von Empfehlungssystemen untersucht. Diese können bei der Implementierung von Algorithmen als Systeme helfen und beinhalten.
⬤ Ein Latent-Faktor-Verfahren für modellbasierte Filtersysteme.
⬤ Kollaborative Filterungsansätze.
⬤ Inhaltsbasierte Ansätze.
Schließlich werden in diesem Buch aktuelle Systeme für soziale Netzwerke, die Empfehlung von Verbraucherprodukten und die Risikovorhersage in Softwareentwicklungsprojekten untersucht.