论文信息 - Ein hybrides, kontextsensitives Recommender System für mobile Anwendungen in vernetzten Fahrzeugen

Ein hybrides, kontextsensitives Recommender System für mobile Anwendungen in vernetzten Fahrzeugen

In diesem Beitrag wird beschrieben, wie mithilfe geeigneter Infrastrukturen in Fahrzeugen kontextsensitive Empfehlungsmaschinen konzipiert und implementiert werden können. Empfehlungsmaschinen (im Englischen Recommender Systems genannt) sind ohne Betrachtung geeigneter Kontextinformationen statisch. Durch die Erweiterung um Kontextinformationen können Empfehlungen verbessert werden, da nun berücksichtigt werden kann, in welchem Kontext eine Bewertung vorgenommen wurde bzw. eine Empfehlung ausgesprochen wurde. Kontextinformationen werden in unserem Szenario durch Busdaten im Fahrzeug sowie VANETs (vehicular ad-hoc networks) erfasst und übermittelt. Die Ideen und Konzepte für kontextsensitive Recommender werden mittels eines Tankstellen-Recommenders umgesetzt. Getestet wurde dieser anhand eines Prototyps, der eine Fahrt durch die Münchner Innenstadt simuliert und dabei Tankstellen basierend auf dem aktuellen Kontext wie Position und Tankstand empfiehlt.

[1] Hermann Rohling,et al. SOTIS - a self-organizing traffic information system , 2003, The 57th IEEE Semiannual Vehicular Technology Conference, 2003. VTC 2003-Spring..

[2] Annie Chen,et al. Context-Aware Collaborative Filtering System: Predicting the User's Preference in the Ubiquitous Computing Environment , 2005, LoCA.

[3] Daniel Lemire,et al. Slope One Predictors for Online Rating-Based Collaborative Filtering , 2007, SDM.

[4] Gediminas Adomavicius,et al. Incorporating contextual information in recommender systems using a multidimensional approach , 2005, TOIS.

[5] Robin Burke,et al. Knowledge-based recommender systems , 2000 .

[6] John Riedl,et al. Item-based collaborative filtering recommendation algorithms , 2001, WWW '01.

[7] Robin D. Burke,et al. Hybrid Recommender Systems: Survey and Experiments , 2002, User Modeling and User-Adapted Interaction.

[8] Jonathan L. Herlocker,et al. Clustering items for collaborative filtering , 1999 .

[9] Eric Horvitz,et al. Mobile Opportunistic Planning: Methods and Models , 2007, User Modeling.