Webseiten-Personalisierung für anonyme Besucher

Diplomarbeit aus dem Jahr 2007 im Fachbereich Informatik - Internet, neue Technologien, Note: 1,0, Alpen-Adria-Universität Klagenfurt (Institut für Angewandte Informatik), Sprache: Deutsch, Abstract: Im Laufe der letzten Jahre hat sich das World Wide Web von einem statischen zu einem Web dynamischer Inhalte gewandelt. Unterschiedliche, zur gleichen Zeit surfende Besucher der selben Webseite sehen nicht zwangsläufig die gleichen Inhalte. Der präsentierte Content ist in vielen Fällen ¿adaptiv¿, das heißt er richtet sich danach, was die Webseite über den jeweiligen Besucher ¿weiß¿. Als Basis für die so genannte Personalisierung von Webseiten dienen Benutzermodelle. Diese werden in der Regel langfristig aufgebaut und erfordern eine vorherige Registrierung des Besuchers. Der Besucher, dem personalisierte Inhalte präsentiert werden, ist dem System bekannt; für anonyme Besucher stehen personalisierte Inhalte gewöhnlich nicht zur Verfügung. In dieser Diplomarbeit wird zunächst der aktuelle ¿state of the art¿ im Bereich Personalisierung und Benutzermodellierung zusammengefasst und ein Überblick über die Gebiete Web Log Mining und Webseiten-Kategorisierung gegeben. Der zweite Teil der Arbeit beschreibt einen neuen Personalisierungsansatz, der auf den bestehenden Konzepten basiert und diese erweitert. Konkret erstellt das entworfene Konzept kurzfristige, implizite Benutzermodelle von unbekannten Besuchern auf Basis ihres Navigationsverhaltens und unter Einbeziehung von Webseiten-Metadaten (¿Annotationen¿). Damit ist es möglich, Inhalt und Präsentation einer Webseite an die Interessen des Besuchers anzupassen - selbst wenn es sich bei ihm um einen anonymen, nicht registrierten Besucher handelt. Im Rahmen der Arbeit wurde ein Software-Tool implementiert, das den entworfenen Personalisierungsansatz umsetzt und zusätzlich über Analysefunktionalitäten für serverseitige Web Logs verfügt. Der Funktionsumfang des Tools und das entwickelte Personalisierungskonzept werden anhand konkreter und möglicher Anwendungsszenarien vorgestellt. Zusätzlich wird illustriert, wie die durch den neuen Ansatz implizit erstellten Benutzerprofile dafür genutzt werden können, die Benutzerfreundlichkeit wissensbasierter Recommendersysteme zu steigern.