Experten des Know-Center-Teams präsentierten drei Papers auf der 13. Internationalen ACM-Konferenz für Recommender-Systeme vom 16. bis 20. September 2019 in Kopenhagen.
Die ACM Recommender Systems Conference (RecSys) ist das führende internationale Forum für die Präsentation neuer Forschungsergebnisse, Systeme und Techniken im weiten Feld der Recommender Systems.
Recommender Systeme konzentrieren sich auf eine bestimmte Form der Informationsfilterung, die vergangene Verhaltensweisen und Benutzerähnlichkeiten nutzt, um eine Liste von Datenpunkten zu erstellen, die persönlich auf die Präferenzen des Endbenutzers zugeschnitten ist. Unternehmen wie Amazon, Netflix, LinkedIn und Pandora nutzen Empfehlungssysteme, um Anwendern zu helfen, neue und relevante Artikel (Produkte, Videos, Jobs, Musik) zu entdecken, und schaffen so ein angenehmes Erlebnis für den Nutzer bei gleichzeitiger Steigerung der Umsätze.
Um in diesem Bereich voranzukommen, präsentierten mehr als 900 Teilnehmer aus verschiedenen Bereichen von Wissenschaft und Industrie ihre neuesten Ergebnisse im Bereich neuer Trends und Herausforderungen bei Empfehlungskomponenten in innovativen Anwendungskontext.
Die veröffentlichten Arbeiten durchliefen einen strengen Full-Peer-Review-Prozess, und vier unserer Experten aus dem Social Computing Team, nämlich Elisabeth Lex (Head), Dominik Kowald (Post Doctorate), Emanuel Lacic und Tomislav Duric (PHD Students), präsentierten drei relevante und gut aufgenommene Arbeiten.
‘Should we Embed? A Study on the Online Performance of Utilizing Embeddings for Real-Time Job Recommendations’ war eine Online-Studie im Studo Jobportal (Moshbit GmbH), die den Mehrwert von Deep Learning für die Empfehlung von Jobs aufzeigte.
‘Evaluating Tag Recommendations for E-Book Annotation Using a Semantic Similarity Metric’ ein Gemeinschaftsprojekt des Know-Centers und der Hanseatischen Gesellschaft für die Verlagsbranche, fasste die Ergebnisse zusammen, wie die Kombination mehrerer Datenquellen zu einem besseren Recommender-System für die halbautomatische Indexierung von Büchern führt.
‘Using the Open Meta Kaggle Dataset to Evaluate Tripartite Recommendations in Data Markets’ zeigte Ergebnisse aus dem kürzlich abgeschlossenen FFG Projekt Data Market Austria. Erstmals wurde das so genannte „tripartite recommendation problem“ d.h. die Verbindung zwischen Nutzern, Datensätzen und Diensten, untersucht und erste Bewertungsergebnisse gezeigt.
Wir vom Know-Center sind stolze Teilnehmer des ACM RecSys und freuen uns auf mehr Innovation und Forschung in diesem Bereich.