wirtschaftsuniversität wien diplomarbeit - SemanticLab.net

Weitere Magazine

Empfehlungen

Info

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 analysiert 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 -
ist das Bedürfnis nach einer guten Beratung hoch. Laut einer internationalen Umfr Umfra- ge der Wiener Wirtschaftsunive Wirtschaftsuniversität 6 , die vom Institut „International International Marketing und Management“ in Zusammenarbeit mit dem Unternehmen Smart Information Sy Sys- tems 7 durchgeführt geführt wurde [Versandhaus, 2008; ; Interview Linder; Presseportal, 2007], fühlt sich mehr als die Hälfte der Benutzer be bei i der Auswahl von technischen Produkten im Online-Bereich Bereich überfordert. Besonders sind die technisch wenig ve ver- sierten Nutzer betroffen. Des Weiteren besagt die Studie, dass 70% der Online Online- Shopper sich einen Produktberater direkt im Online Online-Shop Shop wünschen wünschen. Abb. 5: Screenshot des digitalen EEmpfehlungssystems Esolda [Esolda, 2008] Ein Beispiel für ein digitales semantisches Empfehlungs Empfehlungssystem system ist die Plattform Esolda 8 (siehe Abbildung 5). Dieses System berät die Benutzer beim Kauf von elektronischen ronischen Produkten wie zum BBeispiel eispiel Fernsehern oder Digitalkameras. Die Kunden werden durch einen dynamischen Dialogprozess geführt, in dem sie ihre Bedürfnisse erklären und am Ende die Beschreibung der Produkte aus verschied verschiede- nen Online-Shops Shops erhalten, die am besten zu ihren Anforder Anforderungen ungen passen. Wenn die 6 http://www.wu-wien.ac.at 7 http://www.smart-infosys.at 8 http://www.esolda.at - 21 -
Seite 1 und 2: WIRTSCHAFTSUNIVERSITÄT WIEN Titel
Seite 3 und 4: Inhaltsverzeichnis Inhaltsverzeichn
Seite 5 und 6: 6.2.1 Interview mit Felix Schramm .
Seite 7 und 8: Abkürzungsverzeichnis API Applicat
Seite 9 und 10: und was das Semantic Web für Mögl
Seite 11 und 12: - Datenintegration: Es gibt Daten,
Seite 13 und 14: Zur Veranschaulichung kann man RDF
Seite 15 und 16: Beispiel die Eigenschaften eines Mo
Seite 17 und 18: Hierarchien und Beziehungen zwische
Seite 19 und 20: gien informiert werden und ihre Dat
Seite 21: werden, dass diese für Maschinen u
Seite 25 und 26: Beispiel im Auto oder auf dem Motor
Seite 27 und 28: Abb. 7: Navigationsdialog durch die
Seite 29 und 30: die Webseiten semantisch klassifizi
Seite 31 und 32: Social-Networking-Seite automatisch
Seite 33 und 34: Im Kapitel 2.2 werden verschiedene
Seite 35 und 36: Abb. 10: Stichwortbasierte Suche ve
Seite 37 und 38: Ergebnisse zu bekommen. Squirrel wi
Seite 39 und 40: Ein Beispiel für eine semantische
Seite 41 und 42: wortsuchmaschine und liefert konkre
Seite 43 und 44: Um das Projekt technisch umzusetzen
Seite 45 und 46: oder Veranstaltungs-Webseiten diese
Seite 47 und 48: Die Initiative GroupMe! 33 erweiter
Seite 49 und 50: Das Semantic Web zeichnet sich durc
Seite 51 und 52: - Intelligente Anwendungen Das Sema
Seite 53 und 54: semantischen Inhalte im Web auch ni
Seite 55 und 56: - Sinkende Ergebnisbreite Viele Erg
Seite 57 und 58: diese Initiative haben Unternehmen
Seite 59 und 60: - Standardisierung von Ontologien [
Seite 61 und 62: 2.4 Bewertung der Nutzenpotentiale
Seite 63 und 64: Wie hoch schätzen Sie die Auswirku
Seite 65 und 66: Auf die Frage, ob sich der Aufwand,
Seite 67 und 68: sowie Strategic Marketing und Famil
Seite 69 und 70: Persönliche Ansprache mit Namen Ve
Seite 71 und 72: sehr wichtig, diese „loyalen“ K
Seite 73 und 74:
und für sie nicht relevant ist. Un
Seite 75 und 76:
Der zweite Schritt ist die Entwickl
Seite 77 und 78:
Unterkategorien aufgeteilt. Jazz ka
Seite 79 und 80:
„Die meisten Unternehmen haben sc
Seite 81 und 82:
nen, zum Beispiel CD „Dummy“ un
Seite 83 und 84:
Abb. 23: Metadaten-Architektur Arch
Seite 85 und 86:
3.4.2 Erstellung von Benutzerprofil
Seite 87 und 88:
Dieses „InterestMap“ liefert se
Seite 89 und 90:
Universal Music kann mit den semant
Seite 91 und 92:
Idiomag besitzt auch ein zusätzlic
Seite 93 und 94:
- MyStrands Eine Möglichkeit zur P
Seite 95 und 96:
- Strands-Recommender und Case base
Seite 97 und 98:
ten individualisierte Inhalte schic
Seite 99 und 100:
Abb. 26: Screenshot vom Idiomag-Too
Seite 101 und 102:
Tausend-Kontakt-Preis-Basis (TKP) k
Seite 103 und 104:
Im Semantic Web können die Benutze
Seite 105 und 106:
tenzen und die Informationen über
Seite 107 und 108:
Benutzer also den Mehrwert dieser D
Seite 109 und 110:
[Berners-Lee et al., 2001] Berners-
Seite 111 und 112:
[Garcia und Celma, 2005] Garcia, Ro
Seite 113 und 114:
[Idiomag] Idiomag (2008): „Websei
Seite 115 und 116:
[Lei und Horrocks, 2003] Li, Lei; H
Seite 117 und 118:
[Patalong, 2007] Patalong, Frank (2
Seite 119 und 120:
national IFIP Workshop On Semantic
Seite 121 und 122:
[W3C RDF, 1999] W3C (1999): „Pres
Seite 123 und 124:
6.1.2 Gestaltungs-Ontologie 6.1.3 Z
Seite 125 und 126:
6.1.6 Veröffentlichungs-Schema 6.1
Seite 127 und 128:
6.1.10 Veröffentlichungsart-Ontolo
Seite 129 und 130:
Subkulturen jedoch sehr stark aufge
Seite 131 und 132:
mente ist die Idealkonstellation, a
Seite 133 und 134:
mir es ermöglich generelle Eigensc
Seite 135 und 136:
viele dieser Systeme bauen darauf a
Seite 137 und 138:
Commerce in Österreich. Unsere Rol
Seite 139 und 140:
semantische Suchmaschine und erhalt
Seite 141 und 142:
Assistant einfach das nächst besse
Seite 143 und 144:
Commerce-Angebote zu schaffen. Vers
Seite 145 und 146:
große Vorteil, den Semantic-Web-Te
Alle anzeigen

wirtschaftsuniversität wien diplomarbeit - SemanticLab.net

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?