wirtschaftsuniversität wien diplomarbeit - SemanticLab.net

gekauft wurde. Diese Daten sind nützlich, aber es gibt viel Information, die vom
System nicht erfasst wird. Dieses weiß nicht, ob die Bluse eher konservativ oder
auffällig ist, ob sie modisch ist, ob sie eher casual oder formell ist. Wie wichtig es für
den Benutzer ist, dass sie von einer bekannten Marke ist, ist ihm auch nicht bekannt
[Ghani und Fano, 2002].
Semantic-Web-Technologien ermöglichen, dass digitale Empfehlungssysteme
Produkte im Internet finden, die den spezifischen Bedürfnissen von den Benutzern
entsprechen. Heutzutage sind die Benutzer bei der Produktsuche auf die kleine
Anzahl von Angeboten angewiesen, die zentral in E-Commerce-Plattformen verfüg-
bar sind. Zukünftige Applikationen mit Semantic-Web-Technologien werden den
Benutzern einen Suchprozess ermöglichen, der auf Produktattributen basiert, die alle
Produkte erfassen, die in einer solchen Form im Internet publiziert werden. Darüber
hinaus werden im nächsten Schritt digitale Empfehlungssysteme sogar fähig sein,
Geschäftsprozesse wie Kauf und Verkauf oder Verhandlungen automatisch zu
bewältigen [Dustdar et al., 2006].
Ein Beispiel für ein solches semantisches Empfehlungssystem wurde von Ghani und
Fano [2002] entwickelt und analysiert die Produkte und die Produkteigenschaften,
die durch semantische Attribute beschrieben werden. Mittels Text-Lerntechniken
extrahiert das System semantische Eigenschaften, die den angestrebten Bereich, in
diesem Fall Kleidung, beschreiben. Als Ergebnis entsteht eine Wissensbasis mit den
Produkten und Produkteigenschaften in semantischer Form. Dieses System analy-
siert die Beschreibungen der Produkte, die der Benutzer im Internet angeschaut oder
gekauft hat. Diese Daten werden in semantische Attribute übersetzt und automatisch
gespeichert, um den Benutzer zu profilieren und seinen „Geschmack“ zu verstehen.
Diese Abstraktion erlaubt es dem System, Produkte von der gleichen Produktkatego-
rie vorzuschlagen und gleichzeitig Produkte aus anderen Kategorien zu empfehlen,
die zu dem Benutzerprofil passen. Der Ansatz dieses Systems ist, die Empfehlungs-
Ergebnisse in qualitativen Eigenschaften zu “erklären”, um das Vertrauen der Kun-
den in die Produktempfehlungen zu stärken.
In anderen Branchen, wie zum Beispiel der Unterhaltungselektronik-Branche, kann
man digitale semantische Empfehlungssysteme ebenfalls einsetzen. Gerade bei
beratungsintensiven Produkten, wie zum Beispiel Digitalkameras oder Fernsehern,
- 20 -