Preference Mining / Preference Repository

Ziel dieses Projekts ist die Entwicklung von Preference Mining-Algorithmen zur automatischen Ermittlung von Benutzerpräferenzen und die Konzeption von Methoden zum Management von Präferenzen in einem Preference Repository.

Zur Personalisierung elektronischer Anwendungen sindumfangreiche Kenntnisse über Benutzervorlieben unabdingbar. Strikte partielleOrdnungen mit einer "A ist besser als B"-Semantik haben sich als sehr nützlichzur Modellierung solcher Präferenzen erwiesen. Eine Zusammenstellung vonKonstruktoren zur Bildung vordefinierter Basis- und Komplex­prä­feren­zen bietetein umfangreiches Modellierungswerkzeug für Benutzerpräferenzen. So könnenVorlieben (POS preference) oder Abneigungen (NEG preference) und auch derenKombinationen intuitiv formuliert werden.
Derartige Präferenzen können auf verschiedenen Artenentstehen. Beispielsweise können Benutzereingaben einer Suchmaske inPräferenzen umgesetzt werden. Benutzervorlieben können aber auch durchinteraktive Fragesysteme – z.B. gesteuert durch einen Avatar – bestimmt werdenoder direkt aus Querysprachen wie Preference SQL oder Preference XPathentnommen werden.
Präferenzen können aber auchindirekt aus den Transaktionen eines Benutzers ermittelt werden. Dabei werdendie einzelnen Aktionen – z.B. Anfrage oder Kauf eines Produkts – protokolliertund in einem geeigneten Datenbankschema gespeichert. Eine Analyse dieser Datenkann zu umfangreichen Informationen über Präferenzen einzelner Benutzer oderBenutzergruppen führen. Diese Präferenzen können dann wiederum eingesetztwerden, um besser auf die Bedürfnisse des Kunden einzugehen, beispielsweisedurch individuelle Beratung oder personalisierte Produktangebote.
In diesem Projekt werden Algorithmenentwickelt, die Basis- und Komplexpräferenzen aus Log-Relationen ermitteln.Dabei können sowohl kategorielle als auch numerische Daten analysiert werden.Den Algorithmen liegen Techniken aus der Statistik und dem Data Miningzugrunde. Um hinreichende Effizienz auch bei großen Datenmengen zu erreichen,wurden die Verfahren soweit wie möglich auf Datenbankebene implementiert.Testergebnisse dieser datenbankbasierten Prototyp-Implementierung beweisenEffizienz, Effektivität und praktische Einsetzbarkeit dieser Techniken.
Mit dem Preference Repository solleine Speicherstruktur für Präferenzen entwickelt werden. Dabei sollen nicht nurdurch Preference Mining ermittelte Präferenzen, sondern auch Prä­feren­zen, diein Querysprachen definiert worden sind oder die von Benutzern direkt ein­gegebenworden sind, aufgenommen werden können. Zusätzlich sollen auch Informationenwie Zeitstempel, Benutzername und -gruppe und die zugrunde liegende Situationgespeichert werden. Dies ist notwendig, da manche Präferenzen nur dann gültigsind, wenn eine be­stimm­te Situation vorliegt. Beispielsweise kann eine Personin Abhängigkeit davon, ob sie gerade im Auto unterwegs ist oder sich in ihrerWohnung befindet, unterschiedliche Musik­vorlieben haben.
Für das Preference Repository müssenauch geeignete Zugriffsoperationen definiert werden. Dabei sollen sowohlBasisoperationen wie "readPreference", "writePreference" und "updatePreference"als auch komplexe Operationen entwickelt werden. Mit diesen soll es dannmöglich sein, Benutzer mit ähnlichen Präferenzen zu finden und entsprechendeBenutzergruppen zu bilden. Damit können personalisierte Anwendungen nicht nurauf die Präferenzen des aktuellen Benutzers zugreifen, sondern können auchProduktempfehlungen anbieten, indem die gekauften Produkte von Benutzern mitähnlichen Präferenzen hergenom­men werden.
Folgendes Beispiel zeigt dieEinsatzmöglichkeiten von Preference Mining und Preference Repositories in einerE-Commerce Anwendung:

Abbildung:
E-Shopping Szenario mit Preference Mining- und PreferenceRepository-Techniken

In diesem Szenario werden die Kundentransaktionen einesE-Shops in einer relationalen Log-Datenbank protokolliert. Diese Daten werdenfür jeden Kunden oder für Kundengruppen mit dem Preference Miner analysiert, umPräferenzen für verschiedene Attribute wie Autor, Buchkategorie, Preis, etc. zuermitteln. Diese Präferenzen werden im Preference Repository gespeichert undverwaltet. Damit ist es möglich, beim nächsten Besuch des Kunden auf seinePräferenzen zuzugreifen und dieses Wissen einzusetzen, um personalisierteInformationen über Neuerscheinungen oder Sonderangebote anzubieten. Diese individualisierteBeratung führt zu einem Mehrwert für den Kunden und damit auch zu einer höherenKunden­zufriedenheit und -bindung.
Neben dem E-Commerce gibt es für diein diesem Projekt entwickelten Technologien auch andere Anwendungsbereiche, wiez.B. personalisierte Neuigkeitsdienste (vgl. das "P-NEWS"-Projekt), one-to-one-Marketing (vgl. das "COSIMA2"-Projekt)oder individuell gestalteteWeb-Portale.