Die Aufgabenstellung zum Referat User Profiling im Seminar mobile media experiences der
Professur Medieninformatik an der TU Chemnitz beinhaltete zum einen die Recherche und
Präsentation des Stands der Technik im Bereich User Profiling als auch die Frage, wie aus
den lokal oder global über Nutzer verfügbaren Daten, dessen Präferenzen oder sein Verhalten
abgeleitet werden können.
Einleitend ist es unabdingbar den Begriff User Profiling im anvisierten Kontext zu
spezifizieren. In dieser Arbeit soll sich diesbezüglich auf einen sehr eng gefassten Terminus
beschränkt werden, der zwar sicherlich nur einer rudimentären, bruchstückhaften Betrachtung
der Thematik gerecht werden kann, aber für diese als zweckmäßig und pragmatisch
handhabbar angesehen werden mag.
Im Bereich Online-Marketing bezeichnet User Profiling die „Erfassung der persönlichen
Daten eines Internet-Nutzers. Diese dienen dann der Personalisierung eines Werbeangebotes.“
(Task Force Website, Fachbegriffe aus dem Online-Marketing: 2009, online).
Bei der Recherche in weiterführender Fachliteratur sowie zahlreichen Online-Quellen wurde
deutlich, dass im Diskurs des Themas die Termini nicht immer eindeutig trennscharf sind und
beispielsweise der Begriff User Profiling oft synonym mit User Modelling bzw. User
Modeling verwendet wird. Nichtsdestotrotz lassen sich diese, vielleicht nicht weiter unnötig
zu konstruierenden, Unstimmigkeiten auf inhaltlicher Ebene vernachlässigen und
deutschsprachig von Benutzerprofil- oder Benutzermodell-Erstellung sprechen. Im Folgenden
werden analog zu den Recherche-Ergebnissen die Bezeichnungen als hinreichend analog
angesehen, um sie unreflektiert gleichbedeutend zu verwenden.
Ziel dieser Arbeit ist eine holzschnittartige Darstellung diverser ausgewählter Einzelthemen,
die in ihrer Gesamtheit einen kleinen Überblick über die Thematik, quasi Berührungspunkte
zur Annäherung an ein vielschichtiges Forschungsfeld bieten sollen. Die Schwerpunkte der
Betrachtung liegen dabei auf: Benutzermodell, User Profiling und deren Verwendung mit
mobilen Endgeräten sowie kurzen datenschutzrechtlichen Überlegungen.
Inhaltsverzeichnis
1 Einleitung
2 Benutzermodell
2.1 Struktur eines Benutzermodells
2.2 Erzeugung von Benutzermodellen
2.3 Benutzermodellbasierte Adaption
2.4 Benutzermodell – Anwendungsbeispiel
3 User Profiling – Wozu und wie?
3.1 Kollaboratives Filtern
3.2 Inhaltsbasiertes Filtern
4 User Profiling und mobile Endgeräte
4.1 An Ontology-based Profiling and Recommending System for Mobile TV
4.2 Wigglestick
5 Datenschutz
6 Schlussbemerkung
7 Quellen
8 Anhang
Zielsetzung & Themen
Die Arbeit untersucht das Feld des User Profiling im Kontext mobiler Endgeräte, mit dem Ziel, den Stand der Technik sowie Methoden zur Erfassung und Nutzung von Nutzerdaten für personalisierte Dienste darzustellen.
- Grundlagen und Struktur von Benutzermodellen
- Methoden des User Profiling (kollaboratives vs. inhaltsbasiertes Filtern)
- Anwendungsbeispiele für User Profiling und Empfehlungssysteme
- Einsatz von User Profiling in mobilen Szenarien
- Datenschutzrelevante Aspekte bei der Erfassung von Nutzerdaten
Auszug aus dem Buch
3.1 Kollaboratives Filtern
Der Ansatz des kollaborativen Filterns (collaborative filtering) besteht darin, Nutzer in Gruppen einzuteilen um zu ermöglichen, dass ihnen möglichst passgenaue Vorschläge angeboten werden, indem man Verhaltensweisen und Bewertungen bzw. Empfehlungen der anderen Gruppenmitglieder mit vergleichbaren Vorlieben berücksichtigt (Oard 1997, S. 149f.).
Eine treffende Bezeichnung ist der Begriff „Mundpropaganda“ (word of mouth), der den gemeinten Sachverhalt vielleicht am prägnantesten beschreibt (vgl. Haider 2003, S. 8, online). Die Datenbasis bilden beim kollaborativen Filtern die Beurteilungen der User des jeweiligen Systems. Hierbei ist zwischen expliziten und impliziten Daten zu unterscheiden. Explizit bedeutet, dass die Anwender Angaben machen. Als Beispiel sei an dieser Stelle ein Schaubild angeführt (Abb. 5), das die Bewertungen von drei fiktiven Nutzern in Bezug auf drei Spielfilme zeigt, wie sie in ihrer Anwendung auf einer Online-Plattform für Filmliebhaber basierend auf einem Empfehlungssystem denkbar wäre (vgl. Steinleger 2007, S. 4f., online).
Inwieweit die einzelnen vergebenen Punktzahlen als Repräsentationen für die subjektiv empfundene Qualität des zu bewertenden Films in das Empfehlungsergebnis eingehen wäre ein weiterer interessanter Punkt zur tiefgründigeren Analyse der Problematik, der hier aber außer Acht gelassen werden soll. Denkbar wäre ein Algorithmus, der sich selbstverständlich nicht nur auf eine simple Berechnung der durchschnittlichen Punktzahl aller Nutzer, die den Film bewertet haben beschränkt, sondern, wie eingangs dieses Absatzes erwähnt, eine wie auch immer konkret realisierte Gewichtung der Bewertungen der als ähnlich dem User klassifizierten Anwender vornimmt.
Zusammenfassung der Kapitel
1 Einleitung: Einführung in die Thematik des User Profiling und Abgrenzung des Arbeitsfokus.
2 Benutzermodell: Erläuterung der Grundlagen, Struktur und Erzeugung von Benutzermodellen sowie deren Anwendung.
3 User Profiling – Wozu und wie?: Analyse der zwei primären Filtermethoden für Empfehlungssysteme: kollaboratives und inhaltsbasiertes Filtern.
4 User Profiling und mobile Endgeräte: Untersuchung spezifischer Anwendungsszenarien für User Profiling im Bereich mobiler Technologien wie Mobile TV und lokationsbasierte Dienste.
5 Datenschutz: Diskussion der datenschutzrechtlichen Herausforderungen bei der Erfassung und Verarbeitung von Nutzerprofilen.
6 Schlussbemerkung: Zusammenfassung der behandelten Inhalte und Ausblick auf zukünftige Entwicklungen.
Schlüsselwörter
User Profiling, Benutzermodell, mobile Endgeräte, Empfehlungssysteme, kollaboratives Filtern, inhaltsbasiertes Filtern, Personalisierung, Datenschutz, Nutzungsverhalten, Mobile TV, Wigglestick, Datenverarbeitung, Ontologien.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt das Konzept des User Profiling, bei dem Informationen über einen Nutzer gesammelt werden, um Systeme wie Webdienste oder mobile Anwendungen an dessen individuelle Interessen und Verhaltensweisen anzupassen.
Welches sind die zentralen Themenfelder?
Die zentralen Themen sind der Aufbau von Benutzermodellen, Methoden zur Datenanalyse und Empfehlung, die Anwendung in mobilen Szenarien sowie die damit verbundenen datenschutzrechtlichen Bedenken.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist eine grundlegende Darstellung der Mechanismen hinter Benutzermodellen und deren praktische Anwendung in Empfehlungssystemen, unter besonderer Berücksichtigung mobiler Endgeräte.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit basiert auf einer Literaturrecherche und der Analyse von "State of the Art"-Ansätzen, die durch Anwendungsbeispiele aus der Praxis verdeutlicht werden.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden zunächst die theoretischen Grundlagen der Modellierung behandelt, gefolgt von der Analyse von Filtermechanismen (kollaborativ und inhaltsbasiert) und deren Übertragung auf mobile Technologien.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Begriffe sind User Profiling, Benutzermodellierung, Empfehlungssysteme, mobile Endgeräte und Datenschutz.
Was versteht man in der Arbeit unter dem "Kaltstart-Problem"?
Dies bezeichnet die Schwierigkeit bei kollaborativen Empfehlungssystemen, verlässliche Vorschläge für neue Nutzer oder bei neuen Objekten zu generieren, da noch keine ausreichenden Bewertungsdaten vorliegen.
Wie unterscheidet sich kollaboratives Filtern von inhaltsbasiertem Filtern?
Beim kollaborativen Filtern werden Ähnlichkeiten zwischen Nutzern betrachtet (soziale Empfehlung), während das inhaltsbasierte Filtern die Eigenschaften der Objekte mit den Interessen des Nutzers abgleicht.
Welchen Stellenwert nimmt der Datenschutz ein?
Der Datenschutz wird als kritisches Gegengewicht zur Profilerstellung betrachtet, da die Sammlung und Verknüpfung von Nutzerdaten hohe Risiken für den Missbrauch sensibler Informationen birgt.
- Quote paper
- Matthias Weber (Author), 2009, User Profiling - Benutzermodelle und mobile Endgeräte, Munich, GRIN Verlag, https://www.grin.com/document/127724
