Geneme: Aggregation und Personalisierung von Informationsströmen
Loading...
Flash Player 9 (or above) is needed to view presentations.
We have detected that you do not have it on your computer. To install it, go here.
Favorites, Groups & Events
Geneme: Aggregation und Personalisierung von Informationsströmen - Presentation Transcript
- Aggregation, Filterung und Visualisierung von Nachrichten aus heterogenen Quellen
- 02.10.2009
- Torsten Lunze, Marius Feldmann, Thomas Eixner, Serkan Canbolat, Prof. Alexander Schill
- Inhalt
- Motivation
- Lösungsansatz
- Architektur & Filterung
- Frontend
- Problemstellung
- Input:
- Feeds
- Microblogging (Twitter, Communote, ..)
- …
- Resultat: Informationsüberfluß
- Zielstellung
- Aggregation heterogener Informationsquellen
- Einstufung der Nachrichten nach Relevanz
- Visualisierung der Nachrichten nach Relevanz
- Einsatz im Unternehmen
- Anforderungen
- Homogene Datenhaltung der Nachrichten
- Anreicherung von Metainformationen je Nachricht
- Erweiterbarkeit bzgl. weiterer Nachrichtenquellen
- Personalisierte Filterung der Nachrichten
- Unterschiedliche Sichten auf die Nachrichtenströme
- Klare Useability
- Lösungsansatz
- Matching von Nutzern und Nachrichten über Tags
- Nachrichten werden mit Tags versehen
- Nutzermodell wird durch gewichtete Tags ausgedrückt
- Ermittlung der Wichtung für Nutzertags
- Struktur
- Nutzer kann Quellen (Feeds, Twitteraccounts etc) hinzufügen
- Nutzer kann Kategorien anlegen und diesen Quellen und Tags hinzufügen
- Erlaubt Strukturierung von Interessengebieten
- Architekturübersicht Communardo Software GmbH · Kleiststraße 10a · D-01129 Dresden/Germany info@communardo.de · www.communardo.de · Tel. +49 (351) 8 33 82-0
- Ablauf Personalisierung Communardo Software GmbH · Kleiststraße 10a · D-01129 Dresden/Germany info@communardo.de · www.communardo.de · Tel. +49 (351) 8 33 82-0
- Feedback durch den Nutzer
- Minimal durch Interaktioen
- Eine Nachricht kann
- Als gelesen
- Als interessant
- Als nicht interessant markiert werden
- Auf eine ToDo Liste verschoben werden
- Beeinflussung der Relevanz einer Nachricht je nach dem wie oft diese von Nutzern als interessant markiert wurde
- Inhalte importieren
- Konfiguration der Quellen durch den Nutzer
- Periodisches Abfragen
- Ablegen in Datenbank
- Anreicherung der Daten durch Tags
- Nutzermodell
- Ermittlung durch
- Initialen Import
- Direktes Feedback über Oberfläche
- Manuelle Anpassung
- Filterung
- Matching der Tags der Nachrichten gegen die Relevanzwerte der Nutzertags über ein Vektorraummodell
- Empfehlungen
- Matching von Nutzern analog zu Nachrichtenmatching
- Vorschlag von Nachrichten und Informationsquellen die bisher unbekannt sind
- Visualisierung
- Zeitungsmethapher
- Darstellung der Topnachrichten
- Vorschau einer Nachricht
- Aktivitäten pro Nachricht
- Filterung nach Kategorien, Tags
- Sortierung
- Frontend Communardo Software GmbH · Kleiststraße 10a · D-01129 Dresden/Germany info@communardo.de · www.communardo.de · Tel. +49 (351) 8 33 82-0
- Auswertung
- Nutzerevaluierung des Frontends
- Relevanzsortierung subjektiv, schwer messbar
- Verständnis der Berechnung: Wie visualisiert man dem Nutzer warum eine Nachricht eine hohe Relevanz erhalten hat?
- Schwierig bei kurzen Nachrichten sinnvolle Tags zu extrahieren
- Ausblick
- Kommunikation
- Verbesserung des Taggingmechansimus
- Autottagging
- Tagmangement
- Implizite Bewertung durch „Lesegewohnheiten“
- Performantere Filterung
- Matching der Nutzer anhand von Clustern
- Ihre Ansprechpartner
- Torsten Lunze
- Communardo Software GmbH
- Torsten.Lunze@communardo.de
- http:/www.xing.com/profile/torsten_lunze
- http://twitter.com/torlun
- Telefon: +49-351-8332-263
- Marius Feldmann
- Lehrstuhl Rechnernetze – Fakultät Informatik
- TU - Dresden
- http://www.inf.tu-dresden.de/index.php?node_id=1380&ma=680
- Communardo Software GmbH · Kleiststraße 10a · D-01129 Dresden/Germany info@communardo.de · www.communardo.de · Tel. +49 (351) 8 33 82-0
More info about this document
© All Rights Reserved
Go to text version
- Total Views 66
- 66 on SlideShare
- Comments 0
- Favorites 0
- Downloads 0
Most viewed embeds
All embeds
- Upload Info
- Uploaded via SlideShare
- Uploaded as Microsoft PowerPoint
0 comments
Post a comment