Recommendersysteme in Software Shops für mobile Plattformen (SwSmP)

Masterarbeit aus dem Jahr 2011 im Fachbereich Informatik - Wirtschaftsinformatik Note: 13 Otto-Friedrich-Universität Bamberg (Lehrstuhl für Angewandte Informatik / Kooperative Systeme) Sprache: Deutsch Abstract: Die fortschreitende Entwicklung von mobilen Endgeräten wie Personal Digital Assistants (PDAs) und Smartphones ermöglicht einen immer weiter gehenden Einsatz für Aufgaben im beruflichen und privaten Umfeld von Benutzern. (Kleine) Anwendungen für diese mobilen Endgeräte werden kurz auch als App bezeichnet und können über Software Shops der verschiedenen Plattformen einfach erworben installiert und genutzt werden. Allerdings wird mittlerweile eine Vielzahl von Apps angeboten so dass Benutzer Schwierigkeiten haben eine in ihrer Situation empfehlenswerte App zu finden. Dazu können Recommendersysteme verwendet werden was gerade in einem mobilen Umfeld sinnvoll erscheint. Dies liegt zum einen an der beschränkten Benutzerschnittstellen der Mobilgeräte Benutzer können hier nicht leicht sehr viele Suchergebnisse auswerten sondern die ersten Treffer einer Suche nach Anwendungen sollten empfehlenewerte Apps liefern. Zum anderen ist in mobilen Umfeld eine Anpassung an den aktuellen Kontext wie Ort und Zeit wichtig.In dieser Abschlussarbeit soll nun genauer untersucht werden wie man ein kontextsensitives Recommendersystem für Software Shops für mobile Plattformen (SwSmP) konzipieren und umsetzen kann. Dazu sollen zunächst in einem Grundlagen-Teil existierende SwSmP in Frage kommende Kontextarten und grundlegende Recommenderalgorithmen betrachtet werden. Darauf aufbauend soll ein eigenes Konzept zur Empfehlung von Apps entwickelt werden. Neben Ort und Zeit erscheint u.a. auch eine Anpassung der Empfehlung an den aktuell verwendeten Endgeräte-Typ sinnvoll. Das entwickelte Konzept soll dann in einer protypischen Implementierung zum Teil realisiert und z.B. in einer (kleinen) Benutzerstudie evaluiert werden. Der Schwerpunkt dabei liegt auf der mobilen Schnitt