#29 Recommender Systems

Recommendations, also Empfehlungen, sind mindestens so alt wie das
Orakel von Delphi und der Hauptbestand zahlreicher
Dienstleistungsberufe. Recomendation Systems hingegen sind ein
spezieller Bereich des Information Retrieval und erst durch Amazon,
Netflix und Spotify wirklich populär geworden. In dieser
ausführlichen Techtiefenfolge erklärt Marcel Kurovski mit
zahlreichen Beispielen das wesentliche Vorgehen dieser
“Informationsaggregationsmaschinen”, welche von Collaborative
Filtering über Matrixfaktorisierung bis zu Deep Learning reichen.
Wir sprechen über die unterschiedlichen Stufen von Personalisierung
und worin der Unterschied zur Suche besteht. Die Vor- und Nachteile
von Relevanz als wichtigste Metrik für Recommender Systems kommen
zur Sprache, genauso wie alternative Metriken wie Diversität,
Novelty oder Robustheit, welche gerade zuletzt größeres Interesse
erfahren. Marcel erzählt zudem einige Anekdoten aus der Geschichte
der Recommender Systems und gibt einen Ausblick auf aktuelle
Forschung und zukünftige Entwicklungen.