Assistenzsysteme für verteilte Veranstaltungen

Assistance systems for distributed events

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-78995
  • Verteilte Veranstaltungen, wie z.B. die Lange Nacht der Münchner Museen, stellen den Besucher aufgrund ihres umfangreichen Veranstal-tungsangebots vor vielfältige Herausforderungen. In dieser Arbeit werden Wege aufgezeigt, ein geeignetes Assistenzsystem hierfür zu entwickeln. Dieses vereint verschiedene Methoden und Verfahren der Künstlichen Intelligenz, insbesondere Empfehlungssysteme und Techniken des Information Retrievals sowie Algorithmen zur Tourplanung bei termin-abhängigen Veranstaltungen. Inhaltsbasierte und kollaborative Empfehlungssysteme werden um ein neuartiges wissensbasiertes Empfehlungssystem ergänzt, so dass sich die vorgeschlagenen Veranstaltungen einerseits gut zuVerteilte Veranstaltungen, wie z.B. die Lange Nacht der Münchner Museen, stellen den Besucher aufgrund ihres umfangreichen Veranstal-tungsangebots vor vielfältige Herausforderungen. In dieser Arbeit werden Wege aufgezeigt, ein geeignetes Assistenzsystem hierfür zu entwickeln. Dieses vereint verschiedene Methoden und Verfahren der Künstlichen Intelligenz, insbesondere Empfehlungssysteme und Techniken des Information Retrievals sowie Algorithmen zur Tourplanung bei termin-abhängigen Veranstaltungen. Inhaltsbasierte und kollaborative Empfehlungssysteme werden um ein neuartiges wissensbasiertes Empfehlungssystem ergänzt, so dass sich die vorgeschlagenen Veranstaltungen einerseits gut zu einer Tour kombinieren lassen und andererseits den Interessen des Nutzers entsprechen. Eine speziell auf die Anwendungsdomäne angepasste Suchmaschine bietet dem Nutzer bei der Suche nach Veranstaltungen ebenfalls Unterstützung. Algorithmen zur Tourplanung werden genutzt, um eine Besuchsreihenfolge der ausgewählten Veranstaltungen festzulegen; die generierten Touren können unterwegs bei unvorher-gesehenen Ereignissen „intelligent“ angepasst werden. Die in verschiedenen Feldstudien aufgezeichneten Logdaten wurden mittels Methoden der deskriptiven und der induktiven Statistik aus-gewertet. Hierdurch konnte der Nutzen und die Akzeptanz der zur Verfügung gestellten Assistenzfunktionen nachgewiesen werden.show moreshow less
  • Visitors of Distributed Events, such as the Long Night of Museums in Munich, are facing various challenges due to the huge amount of available events. This thesis presents concepts and solutions for developing an assistance system that supports these visitors. The system combines various methods and technologies from the field of artificial intelligence, especially recommender systems and information retrieval techniques, as well as planning algorithms for tours with time-constrained events. Content-based and collaborative recommender systems are connected with a novel knowledge-based recommender in order to suggest events that can be combined to a time-optimized tour but also match theVisitors of Distributed Events, such as the Long Night of Museums in Munich, are facing various challenges due to the huge amount of available events. This thesis presents concepts and solutions for developing an assistance system that supports these visitors. The system combines various methods and technologies from the field of artificial intelligence, especially recommender systems and information retrieval techniques, as well as planning algorithms for tours with time-constrained events. Content-based and collaborative recommender systems are connected with a novel knowledge-based recommender in order to suggest events that can be combined to a time-optimized tour but also match the user's interests. Additionally, the user is supported via a search engine that is customized for this application domain. Tour planning algorithms are used to determine an appropriate order of the selected events. In case of unexpected events the generated tours can be adapted in a smart manner on the go. Log data acquired in various field studies were evaluated via descriptive and inductive statistical methods. The results prove the utility and acceptance of the provided assistance.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Richard Schaller
URN:urn:nbn:de:bvb:29-opus4-78995
ISBN:978-3-944057-99-6
Series (Volume number):FAU Forschungen, Reihe B, Medizin, Naturwissenschaft, Technik (12)
Publisher:FAU University Press
Place of publication:Erlangen
Referee:Günther Görz, Bernd Ludwig, Klaus Meyer-Wegener
Document Type:Doctoral Thesis
Language:German
Year of Completion:2016
Embargo Date:2016/11/15
Publishing Institution:FAU University Press
Granting Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Date of final exam:2016/04/22
Release Date:2016/11/21
Tag:Inhaltsbasiertes Empfehlungssystem; Kollaboratives Empfehlungssystem; Logdaten; Mobiles Assistenzsystem; Nutzerstudie; Nutzerverhalten; Planungsalgorithmus; Recommender System; Touranpassungen; Tourplanung; Verteilte Veranstaltung; Wissensbasiertes Empfehlungssystem
Artificial Intelligence; Assistance System; Data Analysis; Distributed Event; Information Retrieval; Long Night; Machine Learning; Planning Algorithm; Support System; User Behavior
SWD-Keyword:Assistenzsystem; Unterstützungssystem / Informatik; Lange Nacht; Künstliche Intelligenz; Empfehlungssystem; Informationsbeschaffung; Maschinelles Lernen; Feldstudie; Informationsverhalten; Inferenzstatistik
Pagenumber:iv, 288 S.
Note:
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-944057-98-9
Institutes:Technische Fakultät / Department Informatik
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
open_access (DINI-Set):open_access
Collections:Universität Erlangen-Nürnberg / FAU University Press
Licence (German):Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 3.0