Kontinuierliche Evaluation von kollaborativen Recommender-Systeme in Datenstrommanagementsystemen

Recommender-Systeme (RecSys) findet man in vielen Informationssystemen. Das Ziel eines RecSys ist das Interesse eines Benutzers an bestimmten Objekten (engl. item) vorherzusagen, um aus einer großen Menge an Objekten diejenigen dem Benutzer zu empfehlen, für die das vorhergesagte Interesse des Benutzers am größten ist. Die zu empfehlenden Objekte können zum Beispiel Produkte, Filme/Videos, Musikstücke, Dokumente, Point of Interests etc. sein. Das Interesse eines Benutzers an einem Objekt wird durch eine Bewertung (engl. rating) quantifiziert. Die Bewertung kann explizit durch den Benutzer angegeben (der Benutzer wird dazu aufgefordert, ein bestimmtes Objekt zu bewerten) oder implizit vom Verhalten des Benutzers abgeleitet werden (im einfachsten Fall durch eine binäre Bewertung: Objekt genutzt vs. nicht genutzt). Mit Methoden des maschinellen Lernens wird aus bekannten Bewertungen ein Modell trainiert, dass unbekannte Bewertungen vorhersagen kann. Für die Bestimmung der Empfehlungsmenge werden die Bewertungen aller unbewerteten Objekte für einen Benutzer vorhergesagt und die best-bewerteten Objekte empfohlen.