Die neunte ACM Konferenz zu Recommender Systems (RecSys 2015) ist das führende, internationale Forum in diesem Forschungsbereich. Mit gleich drei akzeptierten Publikationen, die auf dieser renommierten Konferenz präsentiert werden, ist das Know-Center stark auf der RecSys 2015 vertreten.

Vom 16. bis 20. September 2015 treffen auf der 9th ACM Conference on Recommender Systems (RECSYS2015) bedeutende internationale Forschungsgruppen im Bereich Recommender Systems sowie viele der weltweit führenden E-Commerce Unternehmen zusammen, um auf der wichtigsten internationalen Konferenz in diesem Forschungsfeld den aktuellen Stand der Wissenschaft vorzustellen und zu diskutieren.

Das Social Computing Team am Know-Center, vertreten durch Emanuel Lacić, Dominik Kowald und Matthias Traub, wird gleich drei akzeptierte Publikationen auf der RecSys 2015 präsentieren:

  •  “Tackling Cold-Start Users in Recommender Systems with Indoor Positioning Systems
    Diese Publikation stellt laufende Forschungsarbeit zu einem auf Collaborative Filtering basierenden Recommender Systems vor, das sich von Indoor—Positionierungssystemen gesammelte Ortsinformationen zu Nutze macht. Dieser Ansatz ermöglicht es, Empfehlungen für extreme „cold-start“ User, für die keine vorherigen Interaktionsdaten existieren, abzugeben.
    Das Paper steht hier zum Download zur Verfügung.
  •  Evaluating Tag Recommender Algorithms in Real-World Folksonomies: A Comparative Study“
    Das Ziel dieser Studie ist es, eine umfangreiche, transparente und reproduzierbare Evaluierung von modernsten Tag Recommender Algorithmen in echten Folksonomies (Volks-Taxonomien)  für Wissenschaftler und Entwickler im Bereich tagbasierter Recommender Systems zur Verfügung zu stellen.
    Das Paper steht hier zum Download zur Verfügung.
  •  “ScaR: Towards a Real-Time Recommender Framework Following the Microservices Architecture
    Diese Publikation stellt ein effektives, skalierbares Recommender Framework namens ScaR vor. Das Framework basiert auf einer Microservices-Architektur und nutzt Suchtechnologien um Empfehlungen in Echtzeit zu liefern.

Alle drei Forschungsarbeiten wurden im Rahmen des EU Forschungsprojektes „Learning Layers“ gefördert.

Vollständige Bibliografien:

  • Emanuel Lacic, Dominik Kowald, Matthias Traub, Granit Luzhnica, Joerg Simon and Elisabeth Lex. “Tackling Cold-Start Users in Recommender Systems with Indoor Positioning Systems”, in the Poster Proceedings of the 9th ACM Conference on Recommender Systems (RecSys 2015)
  • Dominik Kowald and Elisabeth Lex. “Evaluating Tag Recommender Algorithms in Real-World Folksonomies: A Comparative Study”, in the Proceedings of the 9th ACM Conference on Recommender Systems (RecSys 2015) ). ACM, New York, NY, USA, 265-268.
  • Emanuel Lacic, Matthias Traub, Dominik Kowald and Elisabeth Lex. “ScaR: Towards a Real-Time Recommender Framework Following the Microservices Architecture”, in the Large-Scale Recommender Systems Workshop (LSRS) held in conjunction with the RecSys 2015.