System för automatiska rekommendationer av nyheter och evenemang

Sammanfattning

Teknik och data a?r nyckeln till att Bonnier Business Media (BBM) ska kunna na? sina ma?l och leverera ytterligare tillva?xt. Da?rför vill man ligga i framkant na?r det ga?ller att undersöka nya tekniker som kan förba?ttra plattformarna och göra dem mer tidsenliga. BBM har bland annat velat ta fram ett rekommendationssystem som ska anva?ndas till att göra inneha?llet individanpassat pa? webbplatserna och pa? ett effektivt sa?tt presentera detta sa? att de olika ma?lgrupperna fa?r den information de förva?ntar sig. Till exempel ska besökaren kunna fa? förslag pa? artiklar och evenemang som kan vara av intresse.

Ma?let med detta examensarbete har varit att ta fram en prototyp för ett rekommendationssy- stem med tillhörande algoritmer. Prototypen skulle kunna anva?ndas som ett ”koncepttest” för att undersöka möjligheten att skapa personliga rekommendationer till la?sare pa? Veckans Affa?rers webbplats, va.se. Implementationen av rekommendationssystem som togs fram till BBM bestod av en objektbaserad kollaborativ filtrerings algoritm som anva?nde besökarnas beteende, publiceringsdatum och popularitet pa? artiklarna och evenemangen för att skapa individuella rekommendationer. Efter genomförda tester och analyser visar resultatet att det a?r fullt möjligt att skapa personliga rekommendationer som har en högre precision a?n vad ett grundla?ggande rekommendationssystem, till exempel en popularitetslista, kan erbjuda.