témavezető: Mann Zoltán Ádám
helyszín (magyar oldal): Számítástudományi és Információelméleti Tanszék helyszín rövidítés: SZIT
A kutatási téma leírása:
Összefoglaló
Az ajánló rendszerek célja, hogy előjelezzék egy adott felhasználó egy adott objektummal kapcsolatos véleményét (releváns-e, érdekes-e, teszik-e). A kutatni tervezett terület a gépi tanulás, az adatbányászat és információ-visszakeresés alkalmazott határterülete. A tipikus ajánló módszerek az adatok statisztikai jellemzőit tanulják meg és előrejelzéseiket például alacsony rangú közelítés, termékhasonlóság és regresszió segítségével adhatják. Az igen nagy méretű adatok hatékony elemzése adatbányászati technikákat (közelítések, elosztott implementáció) igényelnek. Szöveges tartalom esetében pedig kulcsfontosságú a szöveg és az értékelés-mátrix összekapcsolása.
Az ajánlórendszerek kutatása egyértelműen előremutató, a közeljövő technológiájának alapjaként tekintett terület. A Web következő 10 éves fejlesztési szakaszára vizionált, ún. Web 3.0 alkalmazások alapjait teremti meg. Eric Schmidt, Google CEO, 2007 májusában a Seoul Digital Forumon tartott beszédében a tetszőleges eszközről (PC vagy mobil) elérhető, gyors és személyre szabható alkalmazásokat tartja az előttünk álló időszakban a Web motorjának. Ezek az alkalmazások intelligens adatbányászati megoldások segítségével nagy „adatfelhőkben” elosztott adatokhoz férnek hozzá. A rendszerek alapjait a közösség által létrehozott tartalmakra és a kollaboratív szűrésre épített ajánló rendszerek biztosítják, azaz a jelenleg zajló Web 2.0 fejlemények (blogok, videó megosztó csatornák, Wikipedia) mesterséges intelligenciával támogatott továbbfejlődését várjuk.
Ajánlórendszerek talán legnagyobb jelentőségű alkalmazása az adott tartalomhoz legjobban kapcsolódó hirdetések ajánlása, amely a keresési találatokhoz kapcsolódóan a Google üzleti sikereinek alapja, azonban további megvalósításai hírek, közösségi tartalmak, könyvek, árucikkek esetére új lehetőségeket nyithatnak.
A hallgató feladata az ajánló algoritmusokkal kapcsolatos következő területek kutatása:
• Elosztott ajánló algoritmusok, egyrészt hatékonysági és kommunikáció-optimalizálási, másrészt a személyről minél kevesebb információt kiadó, központ nélküli megoldások irányában.
• Geográfiai adatok felhasználása az ajánlás során. Megfigyelhető, hogy a felhasználók értékelése függ attól, hogy a megszokott környezetben, vagy attól távol értékelnek, azonban a pontos összefüggés nem nyilvánvaló és ajánló rendszerekben való kiaknázásuk további kutatást igényel.
• Részben vagy egyáltalán nem átfedő adathalmazok közötti kereszt-ajánlások biztosítása, azaz egy adott felhasználó és termékcsoport metaadatokkal ellátott értékelései alapján egy másik, metaadatokkal ellátott halmazon történő ajánlások adása.
felvehető hallgatók száma: 1
Jelentkezési határidő: 2015-01-05
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
