Vorlesung Recommendersysteme
Semester: | Wintersemester 2023 |
Dozenten: | Prof. Dr. Andreas Geyer-Schulz; |
Termin: | Freitag 09:45 - 11:15 |
Ort: | 10.11 Sitzungssaal Hauptgebäude (R223) |
SWS: | 2 |
Verlinkt mit: | Übung Recommendersysteme (Übung) Wintersemester 2023 |
Inhalt
Die Vorlesung befasst sich mit adaptiven und personalisierten Informationsdienstleistungen und deren wirtschaftlichem Einsatz mit einem Schwerpunkt auf Recommendersystemen. Recommendersysteme sammeln oder generieren Empfehlungen, die Kunden z.B. helfen, interessante Produkte zu finden. Recommendersysteme erfreuen sich dabei im Rahmen vieler E-Commerce Angebote einer ständig wachsenden Beliebtheit.Im Rahmen der Vorlesung werden wir beispielsweise folgende Fragen behandeln:
Im Übungsbetrieb werden wir uns unter anderem der Analyse bestehender Recommendersysteme und der Implementierung einfacher Recommendersysteme widmen. Großer Wert wird im Rahmen der Vorlesung auf die selbständige, kritische Lektüre von Fach- und wissenschaftlichen Artikeln und auf die Mitarbeit beim Aufbau einer entsprechenden Bibliothek zu diesem Thema gelegt.
Eine Literatur- und Leseliste wird in den (digitalen) Vorlesungsunterlagen zur Verfügung gestellt.
Veranstaltungstermine
Time | Inhalt |
---|---|
27.10.2023, 09:45 - 11:15 | |
03.11.2023, 09:45 - 11:15 | |
10.11.2023, 09:45 - 11:15 | |
17.11.2023, 09:45 - 11:15 | |
24.11.2023, 09:45 - 11:15 | |
01.12.2023, 09:45 - 11:15 | |
08.12.2023, 09:45 - 11:15 | |
15.12.2023, 09:45 - 11:15 | |
22.12.2023, 09:45 - 11:15 | |
29.12.2023, 09:45 - 11:15 | |
05.01.2024, 09:45 - 11:15 | |
12.01.2024, 09:45 - 11:15 | |
19.01.2024, 09:45 - 11:15 | |
26.01.2024, 09:45 - 11:15 | |
02.02.2024, 09:45 - 11:15 | |
09.02.2024, 09:45 - 11:15 | |
16.02.2024, 09:45 - 11:15 |
Vorlesungsmaterialien
Inhalt | Autor |
---|---|
I.1 Einführung | Geyer-Schulz, Andreas |
I.2 Assoziationsregel-Recommender | Geyer-Schulz, Andreas |
I.3 Collaborative Filtering Systeme | Geyer-Schulz, Andreas |
II.4 Klassifikation von Recommendersystemen | Geyer-Schulz, Andreas |
II.5 Mechanism Design Probleme | Geyer-Schulz, Andreas |
II.6 Zum Wert von Empfehlungen: Explizite Recommendersysteme | Geyer-Schulz, Andreas |
II.7 Zur Modellierung von Recommendern: Data Mining und Data Processing | Geyer-Schulz, Andreas |
III.8 Ehrenberg's Repeat-Buying Theorie | Geyer-Schulz, Andreas |
III.8a Ehrenberg's Repeat-Buying Theorie II: BibTip: Theorien, Modelle, Architektur und Erweiterungen | Geyer-Schulz, Andreas |
III.9 Entscheidungsbäume | Geyer-Schulz, Andreas |
III.10 Clustering (in Überarbeitung) | Geyer-Schulz, Andreas |
III.11 Web-Rankings als Empfehlungen: PageRank, Authority und Hub | Geyer-Schulz, Andreas |
Alte Klausuren | Geyer-Schulz, Andreas |