Recommender Systems: Retail Use Case & Recommen­dation Fairness

Personalisierung ist ein Schlüsselfaktor zum Erfolg im Online-Geschäft. Recommender-Systeme bzw. Empfehlungssysteme sind der technische Enabler für Personalisierung. Sie lernen und aggregieren Nutzungsbedürfnisse aus Daten, um Inhalte und ihre Darstellung zu personalisieren und zu optimieren.

Bei unserem Meetup wurden folgende Vorträge präsentiert:

Beyond Accuracy: Fairness und Diversity in Recommender-Systemen (Marcel Kurovski)

Alle reden von Fairness und Diversity – auch im Kontext von personalisierten Empfehlungen. Dabei wird oftmals gar nicht klar, wovon genau die Rede ist. Darüber hinaus beschränkt sich die Evaluation von Recommender-Systemen nur allzu oft auf die reine Relevanz der Empfehlungen. Jedoch bedeutet Relevanz nicht automatisch Zufriedenheit – erst recht nicht für alle Stakeholder eines Recommender-Systems.

Im Vortrag werfen wir einen genaueren Blick auf einige dieser „Beyond-Accuracy“-Ziele. Um die Interessen aller Stakeholder eines Recommender-Systems ganzheitlich zu berücksichtigen, verlassen wir die ausgetretenen Pfade von MAP@k, NDCG sowie AUC und lernen, worauf es bei Empfehlungen noch ankommt. Hierzu stellt Marcel die Anwendung eines exemplarischen Verfahrens zur Reduktion von Popularity Bias für Collaborative Filtering vor. Wir betrachten auch Fälle aus der Industrie im Bereich von Online-Marktplätzen und Streaming.

Wie wir Alternativen empfehlen (Dr. Robert Kübler)

Jeder kennt diese Situation zur Genüge: Ihr habt genau vor Augen, was ihr kaufen möchtet, aber früher oder später stoßt ihr auf einen Artikel, der nicht mehr verfügbar ist. Frustration macht sich breit.

Dabei wäre es doch super, wenn stattdessen gute Alternativprodukte angezeigt werden könnten, damit ihr euren Einkauf nahtlos fortsetzen könnt. Im Vortrag erfahrt ihr, wie das bei der METRO.digital erreicht wird.

Über die Speaker:

Marcel Kurovski ist Senior Data Scientist bei inovex und unser Experte für personalisierte Empfehlungssysteme. Diese hat er bereits erfolgreich für Kunden in Ecommerce und Streaming entwickelt und umgesetzt. Außerdem interviewt Marcel für seinen Podcast „RECSPERTS – Recommender Systems Experts“ regelmäßig Profis aus Industrie und Wissenschaft zu empfehlungsbasierter Personalisierung.

Dr. Robert Kübler hat Mathematik an der Ruhr-Universität Bochum studiert und im Anschluss dort auch im Bereich der Kryptanalyse promoviert. Da das Zusammenspiel von Algorithmen und Statistik ihn begeistern, hat er dann den Weg eines Data Scientists gewählt. Er arbeitet zur Zeit als Senior Data Scientist bei der METRO.digital.