wirtschaftsuniversität wien diplomarbeit - SemanticLab.net

Dasmahapatra, 2006]. Wie bereits im Kapitel 3.4.2 erklärt, kann man Informationen
über den Benutzer durch die Informationen, die er selber angibt, sein Klickverhalten
in Webseiten und seine Community-Profile sammeln.
Nach Loizou und Dasmahapatra [2006] weisen die Collaborative-Filtering- und die
Content-based-Filtering-Methoden einige Defizite auf. Um diese zu überwinden,
können die beiden genannten Methoden mit semantischen Technologien angerei-
chert werden. Es gab verschiedene Initiativen [Middleton et al., 2004; Anand und
Shapcot, 2007], die sich damit beschäftigt haben, Benutzerprofile mit Ontologien
anzureichern. Wenn eine Domain-Ontologie besteht, dann können die Benutzerprofi-
le die Domain-Struktur wiedergeben und eine komplexere Repräsentation schaffen,
die es den Maschinen ermöglicht, die Empfehlungen zu „durchdenken“ und dem
Benutzer besser zu erklären, wieso sie diese Empfehlungen bekommen haben.
Durch die erweiterte „Intelligenz“ der Maschine werden effektivere Empfehlungen
ermöglicht [Mobasher, 2007].
Eine weitere Methode, die sehr oft bei Empfehlungssystemen genutzt wird, ist das
Social Tagging. Diese Methode wird von Applikationen wie Last.Fm, Idiomag oder
dem Strands-Recommender benutzt. Damit kann man Metadaten in Form von
Keywords angeben [Stein, 2007]. Wenn aber diese wertvolle Meta-Information nicht
semantisch aufbereitet wird, dann kann sie nur begrenzt sinnvoll genutzt werden
[Stein, 2007], da die Bedeutung der Tags vom Computer nicht verstanden wird.
Wenn ein Lied mit dem Tag „Queen“ versehen wird, weiß das System nicht, ob es
sich um den Sänger Queen handelt oder ob die Königin von England gemeint ist.
Damit die Maschinen dies unterscheiden können und auch Zusammenhänge finden,
wie zum Beispiel „Queen heißt Freddy Mercury“ und „gehört ins Genre Rock“, benö-
tigt man semantische Technologien. Darüber hinaus kann man die Information zu
den Liedern, die durch Tags gesammelt wurden (siehe Kapitel 3.4.3.1), mithilfe von
semantischen Technologien strukturieren und damit ermöglichen, dass treffsichere
Suchergebnisse oder Empfehlungen von den Maschinen getätigt werden [Stein,
2007].
Universal Music kann mithilfe der semantisch aufbereiteten Daten über das Musik-
angebot (siehe Kapitel 3.4.1) und die semantische Profilierung der Abonnenten
(siehe Kapitel 3.4.2) die Inhalte der Newsletter personalisieren und jedem Abonnen-
- 94 -