%Aigaion2 BibTeX export from Knowledge Engineering Publications
%Saturday 05 December 2020 04:12:08 AM

@MASTERSTHESIS{da:doerrhoefer,
    author = {D{\"{o}}rrh{\"{o}}fer, Clemens},
  keywords = {Collaborative Filtering, Recommender System},
     month = apr,
     title = {Echtzeit Recommender System mit Collaborative Filtering},
      type = {Diplomarbeit},
      year = {2012},
    school = {Knowledge Engineering Group, TU Darmstadt},
      note = {Diplomarbeit},
       url = {http://www.ke.tu-darmstadt.de/lehre/arbeiten/diplom/2012/Doerrhoefer_Clemens.pdf},
  abstract = {Im Rahmen dieser Diplomarbeit wird ein Recommender System f{\"{u}}r den Buchhandel implementiert. Der Fokus der Arbeit liegt in der Echtzeitf{\"{a}}higkeit des Systems. Zus{\"{a}}tzlich sind die ben{\"{o}}tigten Ressourcen so gering gehalten, dass das System auf einem handels{\"{u}}blichen Server lauff{\"{a}}hig ist.
Zun{\"{a}}chst wird ein {\"{U}}berblick {\"{u}}ber die verschiedenen Methoden von Recommender Systemen gegeben. Das System selbst wird als Item basiertes Collaborative Filtering realisiert. Bei der Umsetzung sind drei Parameter relevant. Zum einen die ben{\"{o}}tigt Rechenzeit, die essenziell ist f{\"{u}}r den Einsatz als Echtzeit System, der ben{\"{o}}tigte Speicher und die Qualit{\"{a}}t der Empfehlung. Dabei hat sich der Speicherverbrauch als das kritischste Element erwiesen. Diese Arbeit stellt verschiedene Vorgehensweisen vor, den Speicherverbrauch so gering wie m{\"{o}}glich zu halten und vergleicht deren Leistungsf{\"{a}}higkeit anhand der relevanten Parameter.},
Betreuer={ELM,JF}
}