Gliederung

• Empfehlungsdienste
  • Definition
  • Bestandteile
  • Typologie
  • Beispiele
• Auskunftsysteme
  • Beispiele

Empfehlungsdienste

• Recommender/Recommendation systems
• Gezielte Hinweise auf relevante Dokumente oder Informationen
• Beispielsweise für Nutzer einer Digitalen Bibliotheken

Ausführung in Voss (2009), wird ggf. aktualisiert unter http://github.com/jakobib/empfehlungsdienste2009.

Netflix-Prize (2006-2009)

• $1.000.000 für ein um 10% besseres Verfahren, $50.000 jährlich für das beste mindestens 1% bessere Verfahren
• Filmempfehlungen beim Online DVD-Verleiher Netflix
• Gute Empfehlungen, veränderte Rahmenbedingungen

Empfehlungen

• Recommender-Dienste im engeren Sinne
  • Nutzer geben Bewertungen ab
  • Daraus werden Empfehlungen ermittelt  (“Nutzer, die dieses Produkt mögen, mögen auch…”)
• Recommender-Dienste allgemein
  • Verschiedene Quellen für Empfehlungen
  • Empfehlungen immer äbhängig von Nutzer & Kontext
  • d.h. Kataloganreicherung statt im Katalog eingetragen

Bestandteile

Datenbasis  →  Verfahren  →  Dienst  →  Anwendung

• In der Praxis of nicht klar getrennt
• Trotzdem wichtig zum Verständnis
• Empfehlungsdienste sind keine Magie sondern Software

Bestandteile

Datenbasis

Auf Grundlage welcher Daten wird empfohlen?

Verfahren

Wie werden Empfehlungen ermittelt?

Dienst

Worüber werden Empfehlungen technisch bereitgestellt? (API)

Anwendung

In welchem Kontext werden Empfehlungen präsentiert?

Mögliche Anwendungen

• Dort wo Nutzer sowieso Suchen (Kataloge, Portale, Rechercheplattformen…)
• Push-Medien (Mail, SMS, Benachrichtigung per Handy…)
• …

Arten von Empfehlungsdiensten

Explizite Empfehlungsdienste

Manuelle Bewertungen, Rezensionen, Rankings, Kommentare, Literatur- & Neuerscheinungslisten etc. für eine Zielgruppe

Inhaltsbasierte Empfehlungsdienste

• Ähnliche Dokumente
• Prinzip wie Ranking bei Suchmaschinen (siehe am 31.3.),
• bspw. Google-Bildersuche

Arten von Empfehlungsdiensten

Regel- und wissensbasierte Empfehlungsdienste

• auch “semantisch” oder “intelligent” (Bullshit)
• Analyse des Kontext nach speziellen Regeln
• Regeln beliebig komplex, meist aber Wenn-Dann-Regeln
• Beispiele
  • Die am häufigsten zitierten Dokumente des gleichen Autor
  • Offene Cafés (vormittags), Restaurants (Mittags) oder Kneipen (Abends) in der Nähe

Arten von Empfehlungsdiensten

Verhaltensbasierte Empfehlungsdienste

• Auswertung der Nutzung von Dokumenten
• …oder was Google, NSA & Co sonst so von euch sammeln
• Beispiele
  • Die meisten likes/views/Zitationen…
  • “Kunden die dieses Buch gekauft haben…”
• je mehr Nutzungsdaten, desto personalisierter
• aka “Kollaboratives Filtern”

Hybride Systeme

In der Praxis Kombination verschiedener Verfahren

Beispiele

• BibTip: Verhaltensbasiert
• recently: Inhaltsbasiert
• Google Scholar: Inhaltsbasiert u.A.
• SeeAlso: Regelbasiert
• …

Auskunftsdienste

• Gezielte Antworten auf spezielle Fragen

Direkte Auskunft

• Digitale Kommunikationsmedien
  • Chat
  • Mail
  • SMS
  • …
• Auch vermittelt und im Verbund (z.B. Questionpoint)

Weitere Hinweise zum digitalen Auskunftsdienst u.A. aktuell unter http://oebib.wordpress.com/2014/02/12/der-auskunftsdienst-im-wandel/.

Auskunfts-Communities

• Interne Communities (Intranet, Issue-Tracker, Questionpoint…)
• Offene Online-Communities
  • Foren
  • Mailinglisten
  • StackExchange
  • …

Auskunfts-Communities

Vorteile

• Menschen geben Auskunft

Nachteile

• Menschen geben Auskunft
• Wie finde ich die richtige Community zu meiner Frage?

Literatur