Web Empfehlungssystem basierend auf dem Suchverlauf der Benutzer

Derzeit verwenden die meisten verfügbaren Empfehlungssysteme den Ansatz des kollaborativen Filterns. Diese Art von Empfehlungssystemen geht davon aus, dass zwei Benutzer, die ein ähnliches Interesse an denselben Inhalten gezeigt haben, auch bei der Auswahl zukünftiger Inhalte ein ähnliches Interessenmuster aufweisen. Es kann jedoch vorkommen, dass sich Benutzer, die einen bestimmten Geschmack in Bezug auf eine bestimmte Kategorie von Inhalten haben, bei der Auswahl von Inhalten aus anderen Kategorien anders verhalten. Außerdem funktionieren die kollaborativen Filteransätze nicht effizient mit spärlichen Datensätzen, bei denen es nur eine geringe Anzahl von Inhalten oder eine begrenzte Anzahl von Benutzern in den Inhaltskategorien gibt. Um all diese Probleme zu überwinden, wird ein neuartiger Ansatz verwendet, bei dem Inhalte über verschiedene Kategorien hinweg empfohlen werden, indem sowohl die semantischen Informationen der Inhalte als auch die Interessen der Benutzer berücksichtigt werden. Dieser Ansatz verwendet Linked Data als Quelle, um die entsprechenden Semantiken der Inhalte zu finden, die aus dem Betrachtungsverlauf der Benutzer extrahiert wurden. Die für die Inhalte abgerufenen semantischen Konzepte werden dann auf der Grundlage ihrer Ähnlichkeit und Relevanz zu semantischen Clustern zusammengefasst.