Recommender systems in smart home environments
Betreuer/in Maximilian Lowin
ProfessorProf. Dr. Oliver Hinz
Starttermin ab sofort
EmpirischNein
KurzbeschreibungEmpfehlungssysteme (Recommender Systems, RS) sind heutzutage allgegenwärtig. Insbesondere im Online Shopping sind sie nicht mehr weg zu denken (bspw. „Kunden kauften auch“). Dabei vergleichen die Empfehlungssysteme etwa die Verhaltensweisen von Kunden und übertragen Verhaltensmuster auf ähnliche Kunden. Gefällt Person A etwa Buch X, Y und Z und Person B gefällt bereits Buch X und Y, so ist es naheliegend, dass Person B auch das Buch Z gefallen wird. Empfehlungssysteme, die nach diesem Muster handeln, bezeichnet man als „collaborative-based RS“. Doch nicht nur im klassischen Online Shopping können (collaborative-based) RS angetroffen werden, auch in weiteren Anwendungsfällen wie das Finden eines Reiseziels für den Urlaub oder das Vorschlagen neuer Serien, etwa bei Netflix, basiert auf solchen. Ein weiteres, noch recht unerforschtes Anwendungsgebiet stellen Empfehlungssysteme in der Umgebung von Wohnungen und Häusern dar. Während Smart Home Anwendungen oft gar nicht besonders intelligent zusammenspielen, gehen hier erhebliche Potentiale verloren. RS können hier etwa auf Wohnungs-Ebene (etwa Das et al. 2002) oder auf Haus-Ebene agieren (z.B. LeMay et al. 2009). Das Ziel der Bachelorarbeit ist eine systematische Literaturrecherche zum Thema, die den aktuellen Stand der Forschung widerspiegelt. Darüber hinaus sollen mögliche zukünftige Potentiale evaluiert werden, die der Einsatz von RS in Wohnumgebungen versprechen.
EinstiegsliteraturLeMay, M., Haas, J. J., & Gunter, C. A. (2009, January). Collaborative recommender systems for building automation. In 2009 42nd Hawaii International Conference on System Sciences (pp. 1-10). IEEE.
Das, S. K., Cook, D. J., Battacharya, A., Heierman, E. O., & Lin, T. Y. (2002). The role of prediction algorithms in the MavHome smart home architecture. IEEE wireless communications, 9(6), 77-84.
Rasch, K. (2014). An unsupervised recommender system for smart homes. Journal of Ambient Intelligence and Smart Environments, 6(1), 21-37.
Schweizer, D., Zehnder, M., Wache, H., Witschel, H. F., Zanatta, D., & Rodriguez, M. (2015, December). Using consumer behavior data to reduce energy consumption in smart homes: Applying machine learning to save energy without lowering comfort of inhabitants. In 2015 IEEE 14th International Conference on Machine Learning and Applications (ICMLA) (pp. 1123-1129). ieee.

Top