/
Recommender-System mit Linked Data
Document toolboxDocument toolbox

Recommender-System mit Linked Data

Owned by Manuel Kummerländer
Feb 18, 2025
2 min read

https://github.com/yovisto/its-rec

Ein Linked Data-basiertes Recommender System ist eine Art von Empfehlungssystem, das auf Linked Data-Technologien und -Prinzipien basiert. Linked Data bezieht sich auf die Idee, strukturierte Daten im Web miteinander zu verknüpfen und in einem standardisierten Format darzustellen, um eine semantische Verbindung zwischen verschiedenen Datenquellen herzustellen.
In einem Linked Data-basierten Recommender System werden Empfehlungen für Benutzer basierend auf diesen verknüpften, semantisch reichen Daten generiert. Dies ermöglicht es dem System, Beziehungen und Zusammenhänge zwischen verschiedenen Datenpunkten zu erkennen und fundiertere Empfehlungen zu erstellen. Zum Beispiel könnten Produkte in einem E-Commerce-Shop mit anderen Produkten oder Benutzerbewertungen in sozialen Medien verknüpft sein.
Solche Systeme verwenden oft Wissensgraphen, um Informationen über Entitäten und deren Beziehungen zueinander darzustellen. Wenn ein Benutzer nach Empfehlungen sucht, kann das System diese Wissensgraphen verwenden, um relevante Verknüpfungen und Empfehlungen basierend auf dem Wissen über die Interessen und das Verhalten des Benutzers bereitzustellen.
Die Verwendung von Linked Data in Recommender Systemen hilft dabei, personalisierte und kontextbezogene Empfehlungen bereitzustellen, indem es die Semantik und die Beziehungen zwischen Daten besser ausnutzt. Dies trägt dazu bei, die Qualität der Empfehlungen zu verbessern und das Benutzererlebnis zu optimieren.

 

Um zu Lerninhalten ähnliche und verwandte Inhalte zu empfehlen, haben wir einen Recommender gebaut, der auf Wissensgraphen (Knowledge Graph) basiert. Hierbei ist die Besonderheit, dass das System auch Informationen darüber leifert, warum ein Inhalt empfohlen wird. Das ist besonders gut für das Debugging (Fehlersuche) aber auch, um dem Nutzer eine verständliche Erklärung liefern zu können. Das System kann auch genutzt werden, um Lehplankompetenzen, insofern sie ausreichend beschrieben sind, mit Lehrninhalten zu verknüpfen. Die aktuelle Demo basiert auf den WLO-Daten und dem Berlin-Brandenburg Lehrplan. Die zu Grunde liegenden Wissengraphen sind aktuell Wordnet und DBpedia.

Problemstellung

Mit dem System sollen verschiedene Probleme gelöst werden:

A Empfehlungen von Lernressourcen:

  1. Welche anderen Lernressourcen passen inhaltlich zu einer gegebenen Ressource?

    1. Warum passt die empfohlene Ressource?

  2. Welche externen Informationen kann der Nutzer zum Weiterlernen verwenden?

    1. Hier können Normdaten verwendet werden um z.B. zu Wikipedia oder in Bibliotheken zu verlinken.

B Verknüpfen mit Lehrplänen:

  1. In Lehrplänen angegebenen Kompetenzen könnten mit Lernressourcen verknüft werden

    1. z.B. im Fach Physik: “Wechselwirkungen in der Optik/Strahlung | Eigenschaften und Wirkungen der Wärmestrahlung beschreiben“ kann verknüpft werden mit “Wärmestrahlung - Erklärungsfilm”.

Weitere Potentiale:

  1. Mit Hilfe von B könnten Lernressourcen in ein Reihenfolge gebracht werden. Dies ist ein Indikator für “Lernpfade”.

  2. Für einen Nutzer kann ein Profil aus Entitäten des Knowledge Graphen angefertigt werden. Stichwort “Personalized Learning”

Idee

Verknüpfe Dokumente und Lehrpläne mit Entitäten von Knowledgegraphen. Verfolge dann die Pfade von einem Dokument (oder Lehrplanelement) über die Entitäten und ggf. Kategoriensystemen zu anderen Dokumenten.

PoC

https://github.com/yovisto/its-rec

 

Auswertung und Fazit

Hat sich der Ansatz als gut erwiesen? Wie ist der Aufwand zu bewerten? Unter welchen Umständen ist der Ansatz zu empfehlen?

Related content