wirtschaftsuniversität wien diplomarbeit - SemanticLab.net

- Strands-Recommender und Case based Reasoning
Baccigalupo und Plaza [2006] haben in einer Studie die Strands-Technologie
für die Erstellung von sinnvollen Playlists verwendet. Diese Playlists werden
anhand von Liedern ausgesucht, die in einer sinnvollen Sequenz angeordnet
sind. Dieses Musik-Empfehlungssystem schlägt nicht nur die Lieder vor, die der
Benutzer bereits gehört oder gekauft hat, sondern führt eine tiefere Analyse der
Lieder durch und empfiehlt ihm Lieder mit einer ähnlichen sequenziellen Struk-
tur. Die empfohlenen Lieder sind akustisch und im Metadaten-Bereich den
Lieblingsliedern ähnlich, die der Benutzer in seinem Profil eingetragen hat. Da-
durch, dass eine ähnliche sequenzielle Struktur der Lieder im Vordergrund der
Empfehlungen steht, kann es vorkommen, dass den Benutzern Lieder empfoh-
len werden, die sie zwar nicht kennen, aber ihrem Musikgeschmack
entsprechen. Daher bietet dieses System die Möglichkeit, neue Musik auszup-
robieren.
3.4.3.2 Semantische Empfehlungssysteme
Viele Inhalte der Newsletter von Universal Music können durch semantische Empfeh-
lungssysteme an den Abonnenten angepasst werden. Besonders der Teil der
Newsletter mit Empfehlungen und neuen Releases kann gezielt auf die Bedürfnisse
der Abonnenten zugeschnitten werden. Durch die Personalisierung der Inhalte kann
auch mehr Umsatz generiert werden [Roth und Voss, 2002].
An den verschiedenen Beispielen von bestehenden Online-Musikdiensten (Kapitel
3.4.3.1) wird ersichtlich, dass Empfehlungen anhand verschiedener Methoden
getätigt werden können. Diese Filterverfahren können entweder kollaborativ (collabo-
rative) oder inhaltsbasiert (content-based) sein. Mit den Collaborative-Filtering-
Methoden können neuen Benutzern Empfehlungen anhand der Präferenzen ähnli-
cher Benutzer geliefert werden. Zum Beispiel haben Person X und Y einen ähnlichen
Musikgeschmack. Das System empfiehlt Person Y dementsprechend die Band
„Oasis“, weil X die Beatles mag [Cohen und Fan, 2000]. Andererseits liefern die
Content-based-Filtering-Systeme ihre Empfehlungen aufgrund der Korrelation zwi-
schen dem Inhalt der Objekte und den Benutzerpräferenzen [Loizou und
- 93 -