Realisierung eines dezentralen Recommender Systems für PDAs

Abstract

Dezentrale Recommender Systeme erscheinen in mobilen Szenarien sinnvoll, wurden allerdings bisher noch kaum untersucht und erprobt. Wir haben daher in diesem Projekt einen Ansatz zur Empfehlung von Gegenständen (Items) auf Personal Digital Assistants (PDAs) realisiert, der ein gemeinsames Display zusätzlich zu den PDAs einbindet. Dabei werden Bewertungsvektoren zwischen den PDAs ausgetauscht, lokale Matrizen der Item-Ähnlichkeit errechnet und zur Empfehlung ausgewertet. Unsere Neuerungen gegenüber existierenden Ansätzen betreffen insbesondere die Erweiterbarkeit des Modells und die Optimierung des auf einem mobilen Gerät erforderlichen Speicherbedarfs. Die Tauglichkeit unseres Ansatzes wurde in einem kleinen Anwendertest evaluiert. Des Weiteren wurde die Skalierbarkeit mit einem Standard-Datensatz im Bereich Recommender Systeme nachgewiesen.