Ein kontextsensitives Recommender System für mobile Anwendungen in Fahrzeugen

Empfehlungsmaschinen (im Englischen Recommender genannt) werden eingesetzt, um Benutzern aufgrund bestimmter Kriterien Produkte oder Dienstleistungen zu empfehlen. Je größer die Menge dieser Produkte und Dienstleistungen, desto wichtiger wird der Einsatz von Recommendern. Um in dynamischen Umgebungen situationsangepasste Empfehlungen erzeugen zu können, muss der Kontext analysiert werden, in dem die Empfehlung generiert werden soll. Speziell in Fahrzeugen kann beim Einsatz von Recommender Anwendungen nicht auf die Berücksichtigung des Kontextes verzichtet werden, da die Empfehlungen stark davon abhängen (z.B. Tank-Füllstand). Dieses Buch analysiert, was bei der Entwicklung eines solchen Recommenders zu beachten ist und wie sich dabei auftretende Probleme behandeln lassen. Getestet wird das entwickelte Konzept anhand eines Prototypen, der eine Fahrt simuliert und dabei Tankstellen abhängig vom aktuellen Kontext empfiehlt. Das Buch richtet sich an Personen und Unternehmen, die sich mit den Bereichen kontextsensitive Anwendungen, Recommender Systeme und Anwendungen für Car2Car Netzwerke beschäftigen und an all jene, die eine erste Einstiegslektüre in diesen Bereichen suchen.

Michele Brocco, M. Sc.: Studium der Informatik an der TU München. Wissenschaftlicher Angestellter am Lehrstuhl für Angewandte Informatik und Kooperative Systeme, TU München.