Empfehlungssysteme für den E-Commerce

Heutzutage werden Empfehlungssysteme für Webnutzer immer wichtiger, um Produkte, Dienstleistungen oder Inhalte zu finden, die ihnen gefallen könnten. Empfehlungssysteme, die kollaborative Filterung verwenden, sind sehr anfällig für das Cold-Start-Problem, da sie ausschließlich auf der Grundlage der Präferenzen der Nutzer arbeiten. Daher haben Forscher kürzlich effiziente Hybridlösungen vorgeschlagen, sogenannte "hybride Empfehlungssysteme", die sowohl inhaltsbasierte Filterung als auch kollaborative Filterung kombinieren, um die Leistung zu steigern. Dieses Buch versucht, das Cold-Start-Problem zu lösen und gleichzeitig eine Webanwendung zu implementieren, die auf den Informationen der Nutzerprofile basiert. Schließlich wurden die Ergebnisse von Fragebögen und Interviews zur Geschäftsanalyse herangezogen.

Autorentext

Hamed Hakimian è attualmente ricercatore nei settori della Business Intelligence, dell'e-commerce, dei sistemi informativi e dei sistemi di raccomandazione. Ha conseguito la laurea in Sistemi informativi aziendali presso la Staffordshire University nel 2015.