دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Matthias Runte (auth.)
سری: Betriebswirtschaftslehre für Technologie und Innovation 37
ISBN (شابک) : 9783824405503, 9783663059684
ناشر: Deutscher Universitätsverlag
سال نشر: 2000
تعداد صفحات: 250
زبان: German
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب شخصی سازی در اینترنت: پیشنهادات فردی با فیلتر مشترک: اقتصاد/علوم مدیریت، عمومی
در صورت تبدیل فایل کتاب Personalisierung im Internet: Individualisierte Angebote mit Collaborative Filtering به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شخصی سازی در اینترنت: پیشنهادات فردی با فیلتر مشترک نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
شخصی سازی محتوا و پیشنهادات در رسانه های تعاملی مانند اینترنت
یکی از چالش های بزرگ اقتصاد جدید است. روشهای مختلفی برای
شخصیسازی پیشنهادها وجود دارد، اما عملکرد آنها به سختی توسط
مطالعات تجاری مورد تحقیق تجربی قرار گرفته است.
ماتیاس رونت فرآیند شخصیسازی معروف به "فیلترسازی مشارکتی" را
در سه مرحله بررسی میکند: مقدار گمشده تحلیل و بررسی. ثانیا،
او در حال انجام یک آزمایش میدانی تحت شرایط واقعی است که در آن
پیشنهادات شخصی از طریق اینترنت ارائه می شود. و سوم، او عملکرد
سی الگوریتم فیلتر مشترک مختلف را در یک مطالعه شبیهسازی مبتنی
بر گسترده با سه مجموعه داده مختلف آزمایش میکند. . استفاده
معقول از این روش به مجموعه ای از پارامترها بستگی دارد که در
این کار به تفصیل مورد بحث قرار گرفته است.
Die Personalisierung von Inhalten und Angeboten in
interaktiven Medien wie dem Internet ist eine der großen
Herausforderungen der New Economy. Zur Individualisierung von
Angeboten existiert eine Reihe unterschiedlicher Methoden,
deren Leistungsfähigkeit jedoch von der
Betriebswirtschaftslehre noch kaum empirisch erforscht
wurde.
Matthias Runte untersucht das "Collaborative Filtering"
genannte Personalisierungsverfahren in drei Stufen: Erstens
ordnet er das Verfahren in die Missing-Value-Analyse ein. Zum
Zweiten führt er unter realistischen Bedingungen ein
Feldexperiment durch, bei dem personalisierte Angebote über
das Internet abgegeben werden. Und drittens testet er in
einer breit angelegten Simulationsstudie mit drei
unterschiedlichen Datensätzen die Leistungsfähigkeit von
dreißig unterschiedlichen
Collaborative-Filtering-Algorithmen.
Der Autor kommt zu dem Ergebnis, dass von der in der Praxis
zur Zeit üblichen kritik- und fraglosen Verwendung des
Collaborative Filtering abgeraten werden muss. Der sinnvolle
Einsatz dieses Verfahrens hängt nämlich von einer ganzen
Reihe von Parametern ab, die in dieser Arbeit ausführlich
diskutiert werden.
Front Matter....Pages I-XX
Zur Problematik des Collaborative Filtering....Pages 1-4
Individualisierung von Angeboten in Interaktiven Medien....Pages 5-33
Automated Collaborative Filtering....Pages 35-100
Feld-Experiment....Pages 101-130
Empirische Ergebnisse....Pages 131-165
Simulationsstudie....Pages 167-207
Zusammenfassung....Pages 209-212
Back Matter....Pages 213-235