A Layered Conversational Recommender System

  • In this thesis a new approach to building product recommender systems is introduced. By using a customer-centric dialogue, the customers' preferences are elicited. These are the basis for inferring utility estimations about the desired technical properties of the products in question. Systems built this way can both operate autonomously, e.g., in an online store, and support a salesperson directly at the point-of-sale. The core of the approach is formed by a layered domain description that models customer stereotypes and needs, product attributes, the products themselves, and the causal interrelations between customer and product properties. Maintenance of the domain description, i.e., keeping the model up-to-date in face of frequent changes, is facilitated by the clear separation of concerns provided by the layered structure. In fact, the most frequently used class of updates can be handled in an entirely automated way if some constraints are satisfied. On a high level of abstraction, the system behavior is described by State Charts In this thesis a new approach to building product recommender systems is introduced. By using a customer-centric dialogue, the customers' preferences are elicited. These are the basis for inferring utility estimations about the desired technical properties of the products in question. Systems built this way can both operate autonomously, e.g., in an online store, and support a salesperson directly at the point-of-sale. The core of the approach is formed by a layered domain description that models customer stereotypes and needs, product attributes, the products themselves, and the causal interrelations between customer and product properties. Maintenance of the domain description, i.e., keeping the model up-to-date in face of frequent changes, is facilitated by the clear separation of concerns provided by the layered structure. In fact, the most frequently used class of updates can be handled in an entirely automated way if some constraints are satisfied. On a high level of abstraction, the system behavior is described by State Charts that are parameterized according to the domain description. Those parts of the system description where State Charts would be too imprecise are implemented by separate components realizing the required complex semantics. From the domain description, a Bayesian network is generated that forms the core of the inference engine of the recommender system. The network essentially controls the system-initiated dialogue flow and the recommendation process. Due to the characteristics of Bayesian networks, it is possible to respond to user-initiated dialogue steps in a natural way. Moreover, an explanation of the current recommendation can be generated without having to explicitly encode additional information in the modeling layer. Finally, a database structure and the SQL queries necessary to obtain recommendations can be inferred from the corresponding parts of the domain description. Instantiation of the system to a specific business domain is supported by a dedicated maintenance application that hides the complexities of the underlying algorithms. Thus, day-to-day system updates by non-technical domain experts, e.g., product managers, are facilitated. The developed concepts were implemented in cooperation with a local industry partner who intends to apply the recommender system in the field of mobile communications.show moreshow less
  • In dieser Dissertation wird ein neuer Ansatz zur Konstruktion von Produkt-Beratungssystemen vorgestellt, die mit den Kunden einen bedürfnisorientierten Dialog führen und dann aus den gegebenen Antworten Abschätzungen über die jeweilige Nützlichkeit verschiedener charakteristischer Attribute der zu empfehlenden Produkte gewinnen. Die so erstellten Systeme können sowohl autonom, beispielsweise in einem Onlineshop, als auch zur Unterstützung von Verkäufern direkt im Ladengeschäft eingesetzt werden. Eine Domänenbeschreibung, die auf mehreren Ebenen Kundenstereotypen, -bedürfnisse, Produktattribute, sowie die Beziehungen zwischen Kunden- und Produkteigenschaften und die Produkte selbst modelliert, bildet den Kern des Ansatzes. Die Pflege der Domänenbeschreibung wird durch die Unterteilung in mehrere Ebenen deutlich unterstützt. Tatsächlich kann unter gewissen Bedingungen die häufigste Klasse von Aktualisierungen vollautomatisch vom System selbst gehandhabt werden. Mit Elementen der Domänenbeschreibung parametrisierte State Charts beschreibIn dieser Dissertation wird ein neuer Ansatz zur Konstruktion von Produkt-Beratungssystemen vorgestellt, die mit den Kunden einen bedürfnisorientierten Dialog führen und dann aus den gegebenen Antworten Abschätzungen über die jeweilige Nützlichkeit verschiedener charakteristischer Attribute der zu empfehlenden Produkte gewinnen. Die so erstellten Systeme können sowohl autonom, beispielsweise in einem Onlineshop, als auch zur Unterstützung von Verkäufern direkt im Ladengeschäft eingesetzt werden. Eine Domänenbeschreibung, die auf mehreren Ebenen Kundenstereotypen, -bedürfnisse, Produktattribute, sowie die Beziehungen zwischen Kunden- und Produkteigenschaften und die Produkte selbst modelliert, bildet den Kern des Ansatzes. Die Pflege der Domänenbeschreibung wird durch die Unterteilung in mehrere Ebenen deutlich unterstützt. Tatsächlich kann unter gewissen Bedingungen die häufigste Klasse von Aktualisierungen vollautomatisch vom System selbst gehandhabt werden. Mit Elementen der Domänenbeschreibung parametrisierte State Charts beschreiben das Systemverhalten auf abstrakter Ebene, während domänenspezifische Teile, welche durch State Charts nicht ausreichend präzise modelliert werden können, durch separate Komponenten implementiert werden, die die erforderlichen Funktionen realisieren. Aus der Domänenbeschreibung wird ein Bayesnetz generiert, das den Kern der Inferenzmaschine des Beratungssystems bildet und zur Steuerung des Beratungsdialogs und des Empfehlungsprozesses genutzt wird. Die Eigenschaften von Bayesnetzen ermöglichen es unter anderem, Nutzer-initiierte Dialogschritte auf natürliche Weise in den Beratungsprozess zu integrieren. Darüber hinaus können verständliche Erklärungen für die erzeugten Produktempfehlungen generiert werden, ohne dass dazu zusätzliche Informationen explizit in die Modellierung eingebracht werden müssen. Desweiteren können die vom System zu verwendende Datenbankstruktur und die zur Empfehlungsgenerierung benötigten SQL-Abfragen aus den entsprechenden Teilen der Domänenbeschreibung erzeugt werden. Die Instanziierung des Systems für ein konkretes Geschäftsfeld erfolgt über eine dedizierte Pflegeanwendung, die die mathematische Komplexität der eingesetzten Algorithmen verbirgt und so die Aktualisierung des Systems auch durch Domänenexperten ohne technische Ausbildung, wie z.B. Produktmanager, ermöglicht. Eine praktische Implementierung erfolgte im Rahmen eines gemeinsamen Projekts mit einem Industriepartner aus der Region, der das Beratungssystem u.a. im Bereich des Vertriebs von Mobilfunkprodukten einsetzen möchte.show moreshow less

Download full text files

Export metadata

  • Export Bibtex
  • Export RIS
  • Export XML

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Sven Radde
URN:urn:nbn:de:bvb:739-opus-27031
Advisor:Burkhard Freitag
Document Type:Doctoral Thesis
Language:English
Year of Completion:2013
Date of Publication (online):2013/07/16
Publishing Institution:Universität Passau
Granting Institution:Universität Passau, Fakultät für Informatik und Mathematik
Date of final exam:2012/08/13
Release Date:2013/07/16
Tag:Artificial Intelligence; Bayesian Networks; Recommender Systems; Relational Databases
GND Keyword:Bayes-Inferenz; Empfehlungssystem; Inferenz <Künstliche Intelligenz>; Relationale Datenbank
Institutes:Fakultät für Informatik und Mathematik / Mitarbeiter Lehrstuhl/Einrichtung der Fakultät für Informatik und Mathematik
CCS-Classification:H. Information Systems / H.4 INFORMATION SYSTEMS APPLICATIONS
J. Computer Applications / J.4 SOCIAL AND BEHAVIORAL SCIENCES
I. Computing Methodologies / I.2 ARTIFICIAL INTELLIGENCE / I.2.1 Applications and Expert Systems (H.4, J)
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
open_access (DINI-Set):open_access
Licence (German):License LogoStandardbedingung laut Einverständniserklärung

$Rev: 13581 $