Techtiefen: Recommender Systems
Die Techtiefen-Episode wirft einen detaillierten Blick auf Recommender Systems, die beim Abrufen von Informationen unterstützen sollen.
- Nico Kreiling
Recommendations, also Empfehlungen, sind mindestens so alt wie das Orakel von Delphi und viele davon abgeleitete Dienstleistungsberufe. Recommendation Systems hingegen haben als ein spezieller Bereich des Information Retrieval erst durch Amazon, Netflix und Spotify wirklich Popularität erlangt.
In dieser ausführlichen Folge von Techtiefen erklärt Marcel Kurovski anhand zahlreicher Beispiele das wesentliche Vorgehen dieser „Informationsaggregationsmaschinen“, die von Collaborative Filtering über Matrixfaktorisierung bis zu Deep Learning reichen. Marcel und Techtiefenautor Nico Kreiling sprechen über die unterschiedlichen Stufen von Personalisierung in Recommendation Systems und wie sich diese Verfahren der Informationsbeschaffung von der klassischen Suche unterscheiden.
Die Vor- und Nachteile von Relevanz als der wichtigsten Metrik für Recommender Systems kommen ebenso zur Sprache, wie die alternativen Metriken Diversität, Novelty oder Robustheit, die gerade in letzter Zeit zunehmend an Bedeutung gewinnen. Marcel hat darüber hinaus einige Anekdoten aus der Geschichte der Recommender Systems parat und gibt einen Ausblick auf aktuelle Forschung und zukünftige Entwicklungen.
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmmung wird hier ein externer Inhalt geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.
