User modeling in the social semantic web

dc.contributor.advisorAlbayrak, Sahin
dc.contributor.authorPlumbaum, Till
dc.contributor.grantorTechnische Universität Berlinen
dc.contributor.refereeWahlster, Wolfgang
dc.contributor.refereeHopfgartner, Frank
dc.date.accepted2015-12-03
dc.date.accessioned2015-12-18T16:20:41Z
dc.date.available2015-12-18T16:20:41Z
dc.date.issued2015
dc.description.abstractWith the rise of the Web in the 1990’s, people got access to a yet unknown amount of information, finding themselves in the role of consumers of information. Since then, information on the Web has grown exponentially. All kinds of information - good, bad, incorrect, outdated or spam - can be found on the Web. With the availability of web-enabled mobile phones, people got ubiquitous access to this information wealth. This ubiquity of information access in our everyday life offers not only new opportunities but comes with more and more challenges to deal with. Finding relevant information becomes more and more difficult. This effect is known as the Information Overload problem. The problem describes the fact that humans have cognitive limits to process information. To much information makes it hard to understand a topic and to make decisions. While there are tools to support users in finding information, e.g., search engines, filtering for the relevant information is still a task for every user individually. Today, new technologies and approaches are needed to overcome the Information Overload problem and to support users in finding the way through all available information and deliver only the information needed. A promising approach is the application of adaptive systems. Adaptive systems, in a broader scope, are systems that help users to satisfy their information need by adapting the system and/or the displayed information to specific user requirements and therefore reducing the Information Overload problem. An adaptive system can be divided into three main layers: The data acquisition layer: In the data acquisition layer, all available information about a user is collected. The representation and data mining layer: The data collected in the previous layer is processed and used to build a user profile. The adaptation layer: The adaptation layer applies the user profile to adapt the application to the user needs. In this thesis, we examine how the ”SemanticWeb” and the ”SocialWeb” can enhance adaptive systems with the goal to solve the Information Overload problem. The Social Web, represented by applications such as Facebook or Twitter, enables users to express their needs and preferences. The Semantic Web provides techniques allowing to manage data in machine readable form. In this work, we develop methods and models to collect and process data from the Social Web to enhance personalization. Semantic Web technologies are used to manage the data and allow us to use it application independent. Thereby, data can be used across different applications and thus more knowledge about the user is available. The developed methods and models are applied and demonstrated in three online systems, which were developed throughout this thesis.en
dc.description.abstractMit dem Beginn des Internetzeitalters, Anfang der 90er Jahre, stieg die Menge an verfügbaren Informationen sprunghaft an, und steigt seitdem exponentiell weiter. Dabei sind alle Arten von Informationen vorhanden - wichtige, unwichtige, richtige, falsche oder auch veraltete. Mit der Verfügbarkeit von internetfähigen Mobiltelefonen sind diese Informationen nun auch rund um die Uhr und überall verfügbar. Diese allgegenwärtige Verfügbarkeit hat allerdings nicht nur Vorteile. Das Finden von relevanten Informationen wird immer schwieriger. Man spricht dabei auch vom Information Overload Problem. Das Information Overload Problem beschreibt die Problematik, das Menschen nur begrenzte kognitive Fähigkeiten haben, um Informationen zu verarbeiten. Bei zu vielen Informationen kann dann der Mensch diese nicht mehr verstehen und Entscheidungen treffen. Es gibt zwar Anwendungen, die das Finden von Informationen unterstützen, z.B. Suchmaschinen, aber das Filtern nach relevanten Informationen obliegt dabei immer noch den Nutzern. Um das Problem des Information Overloads zu lösen, unterstützen Anwendungen den Nutzer mit Personalisierungsmechanismen. Systeme, die sich an die Präferenzen des Nutzers anpassen, um dessen Informationsbedürfnis zu befriedigen, nennt man Adaptive Systeme. Ein adaptives System wird im Allgemeinen in drei Schichten unterteilt: Die Daten-Aggregationsschicht: In dieser Schicht werden Daten über den Nutzer gesammelt, für den eine Anwendung personalisiert werden soll. Die Repräsentations- und Analyseschicht: In dieser Ebene werden die gesammelten Daten des Nutzers verwaltet und aufbereitet. Es wird aus den gesammelten Daten ein Benutzerprofile und Abneigungen des Nutzers erstellt. Die Adaptionsschicht: Diese Schicht repräsentiert die eigentliche Personalisierung einer Anwendung. Basierend auf dem erstellten Benutzerprofile wird eine Anwendung, inhaltlich oder in der Visualisierung, an die Präferenzen des Nutzers angepasst. Im Rahmen dieser Arbeit wird untersucht, wie adaptive System durch das Social Web und das Semantic Web verbessert werden können, um das Problem des Information Overloads zu lösen. Das Social Web, repräsentiert durch Anwendungen wie Facebook oder Twitter, erlaubt es Nutzern, eigene Interessen und Präferenzen auszudrücken. Das Semantic Web bietet Technologien, die es erlauben, Daten maschinenlesbar zu verwalten. In dieser Arbeit werden Modelle und Methoden eingeführt, die Daten aus dem Social Web verarbeiten, um eine verbesserte Personalisierung zu ermöglichen. Dabei werden die Daten aus dem Social Web mittels Technologien des Semantic Web verwaltet und sind applikationsübergreifend verwendbar. Dadurch stehen mehr Daten über den Nutzer zur Verfügung, was eine bessere Personalisierung erlaubt. Diese Modelle und Methoden werden in drei Onlinesystemen demonstriert und evaluiert, die im Rahmen dieser Arbeit entwickelt wurden.de
dc.identifier.urihttps://depositonce.tu-berlin.de/handle/11303/5222
dc.identifier.urihttp://dx.doi.org/10.14279/depositonce-4919
dc.language.isoenen
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/en
dc.subject.ddc004 Datenverarbeitung; Informatikde
dc.subject.otheruser modelingen
dc.subject.otheradaptive systemsen
dc.subject.othersemantic weben
dc.subject.othersocial weben
dc.subject.otherrecommender systemsen
dc.subject.otherBenutzermodellierungde
dc.subject.otheradaptive Systemede
dc.subject.otherEmpfehlungssystemede
dc.titleUser modeling in the social semantic weben
dc.title.translatedUser Modeling im semantischen, sozialen Webde
dc.typeDoctoral Thesisen
dc.type.versionacceptedVersionen
tub.accessrights.dnbfreeen
tub.affiliationFak. 4 Elektrotechnik und Informatik::Inst. Wirtschaftsinformatik und Quantitative Methodende
tub.affiliation.facultyFak. 4 Elektrotechnik und Informatikde
tub.affiliation.instituteInst. Wirtschaftsinformatik und Quantitative Methodende
tub.publisher.universityorinstitutionTechnische Universität Berlinen

Files

Original bundle
Now showing 1 - 1 of 1
Loading…
Thumbnail Image
Name:
plumbaum_till.pdf
Size:
5.2 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
5.75 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections