User Modeling and Recommender Systems an der TU München

Karteikarten und Zusammenfassungen für User Modeling and Recommender Systems an der TU München

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs User Modeling and Recommender Systems an der TU München.

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

What is the definition of a user?

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

Problems with user profile storage

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

Challenge in measuring dwell time

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

What is a bayesian network?

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

Mobile user profiles: how can it be seamlessly  accessible

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

Adaptable vs Adaptive systems

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

Pros and Cons of customization

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

Client side dwell time calculation

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

What is dwell time

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

What are advantages of bayesian networks?

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

Two main categories of context

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

How can bayes networks be applied for RS?

Kommilitonen im Kurs User Modeling and Recommender Systems an der TU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für User Modeling and Recommender Systems an der TU München auf StudySmarter:

User Modeling and Recommender Systems

What is the definition of a user?
– interacts with the system
– identification is required
– can act in different roles through pseudonyms and identities

User Modeling and Recommender Systems

Problems with user profile storage

Transparency issues, the user does not know how much of the information about him/her being store
Control: USer does not have control over the stored info (can’t delete it, change it , etc..)
thats why server side storage is not ideal for user

User Modeling and Recommender Systems

Challenge in measuring dwell time

Multi tabbed browser interfaces, users not actually paying attention to web page
(you don’t know if he is actually using the site or not or if he left it open for a while)

User Modeling and Recommender Systems

What is a bayesian network?
– Compact specification of full joint distributions
– directed, acycli graph with the following properties:
– set of nodes, one per variable
– a conditional distribution for each node given its parents P(X/Parents(X))
– cinditional distribution represented as a conditional probability table (CPT) giving the distribution over X for each combination of parent values

User Modeling and Recommender Systems

Mobile user profiles: how can it be seamlessly  accessible

users need to access info across multiple devices seemlessly
solution would be the cloud (server side storage)

User Modeling and Recommender Systems

Adaptable vs Adaptive systems

Adaptable system: Provides users with options of determining some alterations to aspect, contents or functionality
Adaptive system: adapts to the new conditions automatically, according to user model

User Modeling and Recommender Systems

Pros and Cons of customization

Pros: adaptable
Cons: Not intelligent nor adaptive

User Modeling and Recommender Systems

Client side dwell time calculation

Utilize JavaScript/DOM events

  • Users must have enabled JavaScript in their browser, data needs to be sent to server

User Modeling and Recommender Systems

What is dwell time
  • Amount of time users spend on content items 
  • Important metric to measure user engagement, advanced to just user clicks
  • Could be used as indication for user interest or satisfaction with content
    • more time spends on page means more interest

User Modeling and Recommender Systems

What are advantages of bayesian networks?
– provide a natural representation for conditional independence
– allows for representing uncertain obsverations
– topology + CPT = compact representation of jpint distribution
– generally easy for domain experts to construct

User Modeling and Recommender Systems

Two main categories of context

Physical context: location, time, data from sensors

Cognitive context: What is user doing right now?

User Modeling and Recommender Systems

How can bayes networks be applied for RS?
– well suited for training and learning methods e.g. user marks email message as spam (system can learn)
– good for „per user“ approaches -> no pre-defined rules needed -> every user creates own classification of Spam; fits user modeling very well
– causal knowledge usually more robust than inferred knwledge

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für User Modeling and Recommender Systems an der TU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Management and Technology an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

Business Analytics

Investment and Financial Management

Scheduling Lean Manufacturing Systems

International relations

CH2: Consumer Behavior

CH3: Consumer Behavior

CH4: Consumer Behavior

CH5: Consumer Behavior

CH8: Consumer Behavior

CH10: Consumer Behavior

CH11: Consumer Behavior

CH12: Consumer Behavior

Marketing

R Codes

Anorganische

AC Verbindungen_Tutorien

Einsatz und Realisierung von Datenbanken

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für User Modeling and Recommender Systems an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback