Design and implementation of a generic recommender and its application to the music domain

Abstract

Durch den stetigen Anstieg der Anzahl zur Verfügung stehender Datenquellen durch technologische Entwicklungen steigt der Bedarf an sinnvollen Techniken zur Filterung großer Datenmengen ebenso konstant.<br />Für diesen Zweck wurden bisher diverse existierende Recommender Systeme eingesetzt. Oftmals liegt der Fokus solcher Systeme auf einem eingeschränkten Datenbestand oder auf einer bestimmten Menge von Vorschlagsmethoden.<br />Diese Arbeit präsentiert ein generisches Recommender Framework, welches einfach an neue Domänen adaptiert werden kann und das leicht mit unterschiedlichsten Recommender Algorithmen erweitert werden kann.<br />Algorithmen werden unterteilt in: offline Generatoren, die aus Benutzeraktionen Regeln ableiten, und online Recommender Services. Um Mandantenfähigkeit zu gewährleisten beinhaltet das Konzept verschiedene Typen für Produkte, Aktionen und Verbindungen zwischen Produkten.<br />Weiters unterstützt das System die Einbindung von fremden Daten und bietet eine Menge an Web Services für domänenunabhängige und domänenabhängige Vorschläge.<br />Wir zeigen die technische Architektur sowie ein Real-Life Szenario, in das unser System integriert wurde. Außerdem geben wir einen Ausblick über zukünftige Verbesserungen wie ein Administrations-Tool, weitere Vorschlagsmethoden oder neue Ansätze die Benutzer-Tags verwenden.<br />

Since the amount of available data sources increases steadily with technological developments, the need for useful filtering techniques for large data sets rises constantly. Various existing recommender systems have been used for this task. Often the focus lies on a specific content, or a defined set of recommender techniques.<br />This work introduces a generic recommender framework that can be easily adapted to new domains and extended with different recommender algorithms. It divides algorithms into offline generators computing business rules out of user actions, and online recommender services. In order to service multiple tenants the concept consists of various types for items, actions and item associations. Furthermore it allows for the integration of third-party data and provides a set of Web services for domainindependent as well as domain-specific recommendations.<br />We demonstrate the technical architecture as well as a real-life scenario where we integrated our system and give a prospect to future enhancements like an administration tool, additional recommender techniques, or novel approaches that use custom user tags.