About the Project
Hybrid Recommender Systems

Recommender Systems are based on software systems, which help the customers finding and selecting products which fill their needs and wishes. Typical objects of a recommender system are proucts like web shops, films etc.
Recommender systems are mainly used for coping with the flood of information, while they provide users a clear overview of products wich are really interesting and relevant for the users.
To evaluate the matching recommendations are interdisciplinar methods used like statistics, machine learning, artificial intelligence and data mining.

CAS Connection: CAS uses recommender systems for the product configuration. With the recommender system the users are supported with the configurational process. Our complex products can have many specifications per feature which need to be understood and applied. This is where the recommender system takes its part in the product configurator.

CAS Goal: Goal of the recommender systems in the product configuration is the customer support. The customer is supported by a better user experience and usability. The user should be delighted by a great positive user experience!

Are you interested in an internship or a thesis?

About the Project
Hybrid Recommender Systems

Recommender Systems are based on software systems, which help the customers finding and selecting products which fill their needs and wishes. Typical objects of a recommender system are proucts like web shops, films etc.
Recommender systems are mainly used for coping with the flood of information, while they provide users a clear overview of products wich are really interesting and relevant for the users.
To evaluate the matching recommendations are interdisciplinar methods used like statistics, machine learning, artificial intelligence and data mining.
CAS uses recommender systems for the product configuration. With the recommender system the users are supported with the configurational process. Our complex products can have many specifications per feature which need to be understood and applied. This is where the recommender system takes its part in the product configurator.

Goal of the recommender systems in the product configuration is the customer support. The customer is supported by a better user experience and usability. The user should be delighted by a great positive user experience!

Are you interested in an internship or a thesis?

Previous
Theses

MA-Thesis:
Entwicklung eines hybriden Recommender Systems für die Produktkonfiguration

Abstract

Derzeit findet mit der vierten Industrierevolution, Industrie 4.0, ein entscheidender Umbruch statt: aus Massenproduktion wird Mass Customization. Kunden wollen zunehmend personalisierte Produkte, die auf ihre spezifischen Bedürfnisse und ihren persönlichen Geschmack zugeschnitten sind. Damit steigt die Komplexität serienmäßig produzierter Güter zu komplex konfigurierbaren und personalisierten Gütern an. Ein oft vergessener Nebeneffekt von Mass Customization ist Mass Confusion: Der immense Anstieg an Produktvarianten und -optionen erfordert fundiertes Expertenwissen und „überflutet“ den Anwender von Konfigurationslösungen. Recommender Systeme, die bereits in vielen Domänen, wie z.B. im e-Commerce, Anwendung finden, können den Anwender dabei durch personalisierte Empfehlungen unterstützen. Im Bereich der komplexen Produktkonfiguration werden jedoch neue Anforderungen an Recommender Systeme gestellt. Die verschiedenen Typen von Recommender Systemen haben jeweils ihre Stärken und Schwächen, da sie unterschiedliche Aspekte adressieren, und daher je nach Datengrundlage, Expertenwissen und Kontext unterschiedlich gut funktionieren. Viele Arbeiten in diesem Forschungsbereich empfehlen hybride Recommender Systeme. Die Herausforderung besteht dabei, die Ausgaben mehrerer Systeme auf eine intelligente Art und Weise (z.B. Weighted, Mixed, Switching) zu kombinieren, um bessere Empfehlungen als einzelne Systeme zu generieren und damit den Nutzen für den Anwender zu erhöhen. Weiterhin unterscheiden sich die Daten in der Produktkonfiguration von denen der üblichen Anwendungsbereiche von Recommender Systemen: Es sollen nicht nur Produkte, sondern auch Produktbestandteile und –merkmale vorgeschlagen werden, die wiederum voneinander abhängen können. Je nach Einsatzgebiet eines Produktkonfigurators ist das dort abgelegte Domänenwissen sehr unterschiedlicher Natur. Darüber hinaus entwickelt sich die Datengrundlage über die Zeit sehr stark.

— Alex

Interested? Let’s get in touch!

Previous
Theses

MA-Thesis:
Entwicklung eines hybriden Recommender Systems für die Produktkonfiguration

Derzeit findet mit der vierten Industrierevolution, Industrie 4.0, ein entscheidender Umbruch statt: aus Massenproduktion wird Mass Customization. Kunden wollen zunehmend personalisierte Produkte, die auf ihre spezifischen Bedürfnisse und ihren persönlichen Geschmack zugeschnitten sind. Damit steigt die Komplexität serienmäßig produzierter Güter zu komplex konfigurierbaren und personalisierten Gütern an.

Ein oft vergessener Nebeneffekt von Mass Customization ist Mass Confusion: Der immense Anstieg an Produktvarianten und -optionen erfordert fundiertes Expertenwissen und „überflutet“ den Anwender von Konfigurationslösungen. Recommender Systeme, die bereits in vielen Domänen, wie z.B. im e-Commerce, Anwendung finden, können den Anwender dabei durch personalisierte Empfehlungen unterstützen. Im Bereich der komplexen Produktkonfiguration werden jedoch neue Anforderungen an Recommender Systeme gestellt. Die verschiedenen Typen von Recommender Systemen haben jeweils ihre Stärken und Schwächen, da sie unterschiedliche Aspekte adressieren, und daher je nach Datengrundlage, Expertenwissen und Kontext unterschiedlich gut funktionieren. Viele Arbeiten in diesem Forschungsbereich empfehlen hybride Recommender Systeme.

Die Herausforderung besteht darin, die Ausgaben mehrerer Systeme auf eine intelligente Art und Weise (z.B. Weighted, Mixed, Switching) zu kombinieren, um bessere Empfehlungen als einzelne Systeme zu generieren und damit den Nutzen für den Anwender zu erhöhen. Weiterhin unterscheiden sich die Daten in der Produktkonfiguration von denen der üblichen Anwendungsbereiche von Recommender Systemen: Es sollen nicht nur Produkte, sondern auch Produktbestandteile und –merkmale vorgeschlagen werden, die wiederum voneinander abhängen können. Je nach Einsatzgebiet eines Produktkonfigurators ist das dort abgelegte Domänenwissen sehr unterschiedlicher Natur. Darüber hinaus entwickelt sich die Datengrundlage über die Zeit sehr stark.

— Alex

Interesse? Schreib’ uns jetzt!

The superordinate
Research Fields

 


Artificial Intelligence Lab

Intelligent Agents, Machine Learning, Deep Learning etc.
more…


Customization Lab

Create Mass Customization and Customer Individuality – this  is industry 4.0
more…

The superordinate
Research Fields


Artificial Intelligence Lab

Intelligent Agents, Machine Learning, Deep Learning etc.
more…


Customization Lab

Create Mass Customization and Customer Individuality – this  is industry 4.0
more…