Leveraging Recommender Systems for the Creation and Maintenance of Structure within Collaborative Social Media Platforms

During the last decade, the web transformed from a web of information consumers to a web of information producers. In particular, the advent of online social media platforms is hugely responsible for this shift as people now actively post information in knowledge bases, engage in online communities and contribute to social media platforms. Hence, a vast amount of new information is produced each day. This publicly available data is an invaluable source of information which still is to be fully exploited. Due to the broad span of users of such systems (originating from different cultures and backgrounds, speaking different languages, etc.), the information provided features a limited amount of common structure, as e.g., objects are named differently and information is structured differently. This is a severe constraint in regards to the performance of search facilities. This thesis proposes to facilitate recommender systems to create and maintain a common structure within collaborative social media platforms aiming at improving search performance. For this purpose, two different recommender systems for two showcase platforms are presented. The first recommender system provides recommendations for structuring information within a semistructured information system whereas the second recommender systems is a hashtag recommender system for microblogging services. Zusammenfassung Wahrend des letzten Jahrzehnts hat sich das Web von einem Netz von Informationskonsumenten zu einem Netz von Informationsproduzenten gewandelt. Insbesondere die zunehmende Verbreitung von Social Media Plattformen hat grosen Anteil an dieser Entwicklung. Menschen erstellen nun aktiv Beitrage in Wissensbasen, beteiligen sich in online Communities und wirken bei Social Media Plattformen mit. So werden taglich sehr grose Datenmengen erzeugt, die fur die Offentlichkeit zuganglich sind. Allerdings werden diese wertvollen Datenmengen noch nicht vollstandig genutzt. Aufgrund der grosen Diversitat der Benutzer (verschiedene Kulturen, Hintergrunde, verschiedene Sprachen, etc.), weisen die verfugbaren Informationen nur beschrankt eine gemeinsame Struktur auf, so sind beispielsweise gleiche Objekte oft verschieden benannt oder Information ist verschieden strukturiert. Dies wirkt sich negativ auf die Performance der Suche auf diesen Daten aus. Diese Dissertation beschaftigt sich mit der Fragestellung, wie Recommender Systems (dt. Empfehlungssysteme) verwendet werden konnen, um eine gemeinsame Struktur in kollaborativen Social Media Plattformen erstellen und pflegen zu konnen. Das Ziel dabei ist, die Such-Performance auf diesen Daten zu verbessern. Dazu werden zwei exemplarische Empfehlungssysteme fur zwei solchen Plattformen prasentiert. Das erste Empfehlungssystem stellt Empfehlung fur die Strukturierung von Information in semistrukturierten Informationssystemen zur Verfugung. Das zweite Empfehlungssystem ist ein Hashtag-Empfehlungssystem fur Microblogging Plattformen.