Skip to main content

Theory and Practice of Algorithms for analysis of People and Data on the Web

Article Category

Article available in the folowing languages:

Besser informiert über Nutzervorlieben

Seit Beginn schriftlicher Aufzeichnungen werden auch Informationen erfasst und zusammengestellt. Mit dem Beginn des Computerzeitalters hat sich die erfasste Datenmenge jedoch rasant vermehrt – und dieser Trend wird wohl noch lange anhalten. EU-geförderte Wissenschaftler arbeiteten an Tools für Online-Ressourcen, mit denen die Verhaltensmuster und Vorlieben von Nutzern nachverfolgt und ausgewertet werden sollen.

Digitale Wirtschaft

Die am Projekt EVALUATE (Theory and practice of algorithms for analysis of people and data on the web) beteiligten Wissenschaftler betrachteten das World Wide Web als die größte verfügbare Datenbank überhaupt. Viele Daten werden beispielsweise in sozialen Netzwerken oder durch Onlinehandel oder elektronische Verwaltung erhoben. Deren Erfassung ist allerdings hochkomplex, was es Nutzern erschwert, gewünschte Informationen zu finden. Nach wie vor stellt die Anpassung einer Suchmaschine an spezifische Nutzerinteressen die Forschung vor Herausforderungen, denen das EVALUATE-Team begegnen wollte. Die Vorlieben eines Nutzers werden durch die Entscheidungen, die er trifft, offengelegt. So trifft der Nutzer etwa eine Wahl, indem er aus der Auswahl der ihm durch eine Suchmaschine angebotenen Seiten eine bestimmte anklickt. In vorhergehenden Studien wurden Suchmaschinenrankings auf Grundlage explizit getroffener Nutzeraussagen angepasst. Allerdings sind die allermeisten Nutzer nicht bereit, überhaupt an Befragungen teilzunehmen, weswegen Befragungsergebnisse nicht als repräsentativ gelten können. Um diese Hürde zu überwinden, entwickelten die Forscher selbstständig lernende Algorithmen, welche auf Grundlage impliziter Nutzerrückmeldungen die Rangfolge, in der Suchergebnisse angezeigt werden, optimierten. Anders als herkömmliche, nicht selbst lernende Algorithmen können diese neuen Tools mehrere Suchanfragen bündeln und daraus anschließend die allen gemeinsamen Merkmale ableiten und die zu diesen passenden Informationen anbieten. Die Forscher von EVALUATE konzentrierten sich dabei auf zwei Anwendungen: zum einen, der Suchmaschine beizubringen, Vorlieben, die mit anderen zuvor offenbarten Vorlieben auftreten, höher im Ranking zu stufen, und zum anderen, diese mit weiteren Informationen zu verknüpfen, welche negativ mit diesen Vorlieben korreliert sind. Ziel war es, in Übereinstimmung mit den ermittelten Mustern Cluster von Vorlieben zu erstellen und diese gegen Cluster aus mit diesen unverträglichen Vorlieben abzugrenzen, und hieraus eine lineare Rangfolge der Suchergebnisse absteigend von dem am stärksten den Vorlieben des Nutzers entsprechenden zu erstellen. Diese neuen Verfahren erwiesen sich als den herkömmlichen weit überlegen. Für die wichtigsten Online-Anwendungen, zu denen auch Suchmaschinen und soziale Netzwerke zählen, sind passgenaue Ergebnisse für Suchanfragen sowie nutzerspezifische Werbeeinblendungen und Empfehlungen ein zentraler Erfolgsfaktor. Mit ihrer Arbeit gehen die Forscher des EVALUATE-Projekts weit über die traditionellen Grenzen der Informatik hinaus. Der multidisziplinäre Ansatz zur Bewältigung großer Datenmengen verspricht, eine allumfassende Analyse von durch Menschen erzeugten Daten zu ermöglichen.

Schlüsselbegriffe

Nutzervorlieben, Onlineressourcen, World Wide Web, Algorithmen, soziale Netzwerke, Suchmaschine

Entdecken Sie Artikel in demselben Anwendungsbereich