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