Rating- Recommender-System Anwendungsbeispiel Traildevils-Portal

Bisherige Empfehlungssysteme, wie z.B. Amazon oder der App Store, schöpfen ihre Möglich- keiten nicht voll aus, da sie auf ein Portal beschränkt und dadurch geschlossen sind. Bew- ertungen von Benutzern, die auf verschiedenen Portalen aktiv sind, können somit nicht für die Berechnung portalübergreifender Empfehlungen genutzt werden. Das Ziel dieser Arbeit war es, diesen Nachteil durch ein portalübergreifendes System zu beseitigen und dieses für Webportale zur Verfügung zu stellen. Der Industriepartner Frontline Media GmbH hat als Anwendungsbeispiel anonymisierte Daten der Traildevils-Community zur Verfügung gestellt. Bei der Studie der vorhandenen Recommender-Frameworks fiel der Entscheid auf das weitver- breitete Apache Mahout. Bei der Entwicklung wurde ein besonderes Augenmerk auf die Austauschbarkeit der zugrunde liegenden Empfehlungs-Algorithmen gelegt. Die angebote- nen Webservices wurden mit Ruby on Rails entwickelt und können per RESTful-API ange- sprochen werden. Die Drei-Tier-Architektur wird durch das Datenbanksystem PostgreSQL vervollständigt.
Im Rahmen dieser Bachelorarbeit werden die Möglichkeiten eines portalübergreifenden Rec- ommenders anhand der Democases, Traildevils und GroupLens demonstriert. Durch diese Webservices kann ein Webportal sein Angebot mit wenigen Änderungen um Ratings und Recommendations erweitern. Die portal- und branchenübergreifende Lösung können ins- besonders auch kleinere Portale vom Mehrwert der Recommendations profitieren.
Für den produktiven Einsatz wären einige dokumentierte Änderungen und weitere Tests in produktiver Umgebung nötig. Eine durch das Projektteam betriebene kommerzielle Instanz ist in Diskussion und zukünftige Features sind bereits als Idee vorhanden.