Das Projekt entwickelt und evaluiert Empfehlungsalgorithmen mit denen Zeitungslesern automatisiert Nachrichtenartikel vorgeschlagen werden können. Im Projekt werden schwerpunktmäßig drei wesentliche Aspekte von Empfehlungsalgorithmen betrachtet.

Zum einen werden Strategien und Metriken erarbeitet, mit denen online und offline der Nutzen einer Empfehlungsstrategie, sowohl für den Nutzer als auch den Anbieters, gemessen werden können. Dabei stellt die Verarbeitung unsicheren Wissens, die begrenzte Erfassungsmöglichkeit von Benutzerdaten und das Einbinden von impliziten Präferenzen eine besondere Herausforderung dar.

Einen weiteren Schwerpunkt im Projekt bilden Strategien zur Kombination von Empfehlungsalgorithmen. Es wird untersucht, wie aus einer großen Anzahl von Relevanzkriterien in Abhängigkeit vom Benutzer und dem jeweiligen Kontext die am besten geeigneten Kriterien ausgewählt und kombiniert werden können. Dabei werden Verfahren des Maschinellen Lernens eingesetzt, um optimale Gewichtungsmodelle und Parameterkonfigurationen zu bestimmen. Beispiele für zu aggregierenden Relevanzkriterien sind die thematische Ähnlichkeit zu bereits gelesenen Artikeln sowie Trends und Interessen anderer Leser.

Schließlich wird untersucht, inwieweit gelernte Präferenzmodelle von Lesern auf neue Domänen und Szenarien übertragbar sind. So wird beispielsweise untersucht, ob und auf welche Weise Leserpräferenzen, die für die Domäne “Sport” ermittelt wurden, auch für Empfehlungen für Nachrichten im Bereich “Wirtschaft” genutzt werden können (“Cross-Domain-Recommendation”).

EPEN ist ein Kooperationsprojekt des DAI-Labors und der plista GmbH und wird gefördert durch das Bundesministerium für Wirtschaft und Technologie (BMWi).