Hutterer, M. (2011). Enhancing a job recommender with implicit user feedback [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-42230
Recommender Systeme unterstützen Benutzer die richtigen Artikel aus einer großen Auswahlmöglichkeit zu finden. Absolventen.at, eine österreichische Jobplattform für Absolventen, verwendet ein solches System, um Bewerbern passende Jobs vorzuschlagen. Bis jetzt wurde nur der Lebenslauf als Bestandteil des Benutzerprofils, welches mit den verfügbaren Jobs verglichen wird, betrachtet. Jedoch füllen nur rund die Hälfte aller registrierten Benutzer einen solchen Lebenslauf aus, für die andere Hälfte können keine personalisierten Empfehlungen generiert werden. Um dies zu verbessern, wurde das System mit implizitem Relevanz Feedback erweitert und die Auswirkungen dieses Ansatzes wurden in dieser Diplomarbeit untersucht. Implizites Feedback kann in einer unauffälligen Weise aufgezeichnet werden und ermöglicht dem System Benutzerpräferenzen abzuleiten. Vier unterschiedliche Benutzeraktionen konnten auf Absolventen.at für implizites Feedback identifiziert werden, darunter Lesen einer Stellenbeschreibung, Hinzufügen von Lesezeichen, Schreiben von Bewerbungen und Suchen nach Jobs. Jede dieser Aktionen liefert unterschiedliche Evidenzen für Interesse. So ist eine Bewerbung ein zuverlässigerer Indikator für Interesse als nur das Lesen einer Stellenbeschreibung, was durch unterschiedliche Gewichtungsparameter berücksichtigt wird. Zusätzlich werden graduelle Vergessensfaktoren verwendet, um das Profil über die Zeit zu adaptieren. All diese Informationen werden im hybriden Benutzerprofil miteinbezogen, welches als hyperdimensionaler Vektor repräsentiert und mit Hilfe einer Linearkombination aus dem Lebenslauf und den bevorzugten Jobs berechnet wird. Für die Evaluierung des neuen Ansatzes wurden die bevorzugten Jobs von 46 Jobsuchenden mit dem Empfehlungen verglichen. Die Ergebnisse zeigen, dass implizites Feedback hilfreich ist, um sowohl die Benutzerreichweite als auch die Treffergenauigkeit der Empfehlungen zu erhöhen.<br />
de
Recommender systems assist individual users in finding the right items in large option space. Absolventen.at, an Austrian job board for graduates, uses such a system for recommending appropriate jobs to applicants. So far, this system has only considered the resume as input for the user profile, which is compared with the available jobs.<br />However, only around half of the registered job seekers fill out the resume, for the other half no personalized recommendations can be generated. To improve this, the recommender system has been enhanced with implicit relevance feedback and the impacts of this approach have been examined in this thesis. Implicit feedback can be captured in an unobtrusive way and allows the system to infer user preferences. Four different user actions for implicit feedback have been identified on Absolventen.at, including reading of a job description, bookmarking, applying and searching for jobs. All of them provide different levels of evidence for interest, as an application is a more reliable indicator for interest than just reading a job description, which is taken into account with individual weighting parameters. In addition to that, gradual forgetting factors are used for adapting the profile over time.<br />All of this information is included in the hybrid user profile, which is represented as hyperdimensional vector and calculated by a linear combination of the resume and the preferred jobs. To evaluate the new approach, the preferred jobs of 46 job seekers were compared with the recommendations. The results show that including implicit feedback helps to increase the user coverage, as well as the accuracy of the recommendations.