Masterarbeit
Personalisierte, semantische Suchfunktionen für E-Commerce-Anwendungen
Research Area
Intelligent Information Management
Advisers
Description (German)
Tagtäglich befinden wir uns im Internet auf der Suche nach Informationen, egal ob in Suchmaschinen, auf Shoppingseiten wie Amazon, oder bei anderen Anbietern wie beispielsweise städtischen Gemeinden. Immer häufiger werden diese Daten im Hintergrund nicht mehr in reinen objekt-relationalen Datenbanken gehalten, sondern liegen in Form semantisch verknüpfter Datenbestände vor, die eine Vielzahl neuer Operationen darauf erlauben.
In dieser Arbeit wird eine neue innovative Such-Technik entwickelt, die die herkömmliche schlüsselwortbasierte Suche von E-Commerce-Anwendungen mit neuen themen- bzw. motiv-basierten und personalisierten, semantischen Suchfunktionen ausstattet. Methoden des verteilten, skalierbaren RDF-Datenmanagement werden kombiniert mit Hintergrundwissen, heuristischen Reasoning-Verfahren und Question-Answering-Ansätzen und ermöglichen damit ein gänzlich neues Suchparadigma.
Dabei sollen unter der Berücksichtigung von Informationen und Signalen aus dem Social Web, wie z. B. von Twitter und Facebook den Anwendern bessere Suchergebnisse präsentiert werden, was beispielsweise im Rahmen von E-Commerce-Lösungen zu besseren Verkaufszahlen führen kann.
Ein besonderer Schwerpunkt der Forschungsarbeit ist die Sicherstellung der Skalierbarkeit der entwickelten Such- und Retrieval-Algorithmen in Datenbeständen bis zu 25. Mrd. RDF Aussagen, bei denen dennoch Antwortzeiten für Suchanfragen von 300ms garantiert werden sollen.
Ziel ist eine Schnittstellen-, Technologie- und Architekturspezifikation der Social-aware Suche in Linked Data Quellen für semistrukturierte Datenquellen sowie ein Demonstrator mit Social-aware Suche und der Funktionalität zur Suche mit unstrukturierten Anfragen.
