Please use this identifier to cite or link to this item: https://nbn-resolving.org/urn:nbn:de:hbz:467-2410
Files in This Item:
File Description SizeFormat
klahold.pdf8,24 MBAdobe PDFThumbnail
View/Open
Dokument Type: Doctoral Thesis
Title: CRIC: Kontextbasierte Empfehlung unstrukturierter Texte in Echtzeitumgebungen : ein Verfahren zur Bestimmung der semantischen Proximität von Textobjekten auf Basis eines heuristischen asymmetrischen Distanzmaßes
Authors: Klahold, André 
Institute: Fachbereich 12, Elektrotechnik und Informatik 
Free keywords: recommender systems, content based filtering, personalization
Dewey Decimal Classification: 004 Informatik
GHBS-Clases: TVVK
Issue Date: 2006
Publish Date: 2006
Abstract: 
Die Idee, inhaltlich verwandte Texte automatisiert in Verbindung zueinander zu setzen, ist
nicht neu. Der im Rahmen dieser Arbeit vorgestellte Lösungsansatz verfolgt zwei Hauptziele:
automatisiert auf Basis unstrukturierter Texte zu arbeiten und eine hohe Anzahl gleichzeitiger
Zugriffe zu unterstützen. Es unterscheidet sich von anderen Verfahren im Wesentlichen durch
die Ermittlung des semantischen Abstandes zwischen den Texten auf Basis einer
asymmetrischen vorberechneten Distanzmatrix. Die Beziehungen zwischen unstrukturierten
Textobjekten werden mittels eines, von der Landessprache unabhängigen, heuristischen
Algorithmus zur Merkmalsselektion hergestellt. Die resultierende "Wortwolke" wird dann als
Anfrageparameter für die Selektion passender Texte verwendet. Dem Benutzer werden zum
gerade angezeigten Text inhaltlich verwandte Texte empfohlen. Die
Verarbeitungsgeschwindigkeit des Verfahrens wurde in Form der Laufzeitkomplexität der
Algorithmen analysiert. Über einen Zeitraum von 12 Monaten wurden außerdem
umfangreiche Praxistests auf der Website eines Industriemagazins durchgeführt, um die
Effizienz des Verfahrens im Hinblick auf die Qualität der Empfehlungen zu prüfen. Die
Ergebnisse zeigen, dass der vorgestellte Ansatz den manuell erstellten Empfehlungen
professioneller Redakteure nahezu ebenbürtig ist.

The idea to link texts with related content in an automated way is not new. The approach
developed and presented here has two main goals: to work automatically on unstructured texts
and to support a large number of parallel accesses. It is distinct from other approaches in that
it determines the semantic distance between texts on the basis of an asymmetrical precalculated
distance matrix. The relations between unstructured text objects are generated by a
language independent heuristic algorithm for feature selection. The resulting bag of words is
used in a query to select matching texts. The user receives recommendations to texts the
content of which is related to the text that appears in front of him. Performance was analyzed
on basis of the algorithms runtime complexity. Extensive real-life tests over a period of 12
months were conducted on the website of an industrial magazine in order to check the
efficiency of the procedure with regard to quality of the recommendations. Results show that
the presented approach nearly equals the quality of manual made recommendations by
professional editors.
URN: urn:nbn:de:hbz:467-2410
urn:nbn:de:hbz:467-2410
URI: https://dspace.ub.uni-siegen.de/handle/ubsi/241
License: https://dspace.ub.uni-siegen.de/static/license.txt
Appears in Collections:Hochschulschriften

This item is protected by original copyright

Show full item record

Page view(s)

139
checked on Oct 24, 2020

Download(s)

23
checked on Oct 24, 2020

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.