8. Decision Making auf digitalen Plattformen Flashcards
Was ist die Graphentheorie und wofür wird sie verwendet?
Die Graphentheorie ist ein Teilgebiet der Mathematik und Informatik, das sich mit der Untersuchung von Graphen beschäftigt. Sie wird genutzt, um Beziehungen, Verbindungen oder Netzwerke zu modellieren, z. B. soziale Netzwerke oder logistische Netzwerke, Empfehlungsnetzwerke
Welche Rolle spielt die Graphentheorie bei Suchmaschinen?
Suchmaschinen wie Google nutzen die Graphentheorie, um das Internet als riesigen gerichteten Graphen zu modellieren. Der PageRank-Algorithmus bewertet die Wichtigkeit von Webseiten anhand der eingehenden Links.
Wie funktioniert das kollaborative Filtern bei Empfehlungssystemen?
Kollaboratives Filtern ist eine Methode, die genutzt wird, um Empfehlungen oder Vorhersagen basierend auf den Vorlieben oder Verhaltensweisen einer Gruppe von Nutzern zu erstellen. Beim kollaborativen Filtern werden Verhaltensmuster von Benutzergruppen ausgewertet, um auf die Interessen Einzelner zu schließen. (draw conclusions).
Welche Arten des kollaborativen Filterns gibt es?
- User-basierte Filtern (ähnliche Nutzer)
- item-basierte Filtern (ähnliche Produkte).
- Matrix-Faktorisierung
Was ist eine Matrix-Faktorisierung, und wie wird sie in Empfehlungssystemen eingesetzt?
Matrix-Faktorisierung ist eine Methode zur Vorhersage von Nutzerpräferenzen. Sie hilft, Beziehungen zwischen Nutzern und Produkten zu entdecken, auch bei fehlenden Datenpunkten.
Welche Unterschiede bestehen zwischen Joyn und Netflix bei der Personalisierung von Inhalten?
Joyn verwendet eine klassische, kategoriebasierte Auswahl, während Netflix Algorithmen und maschinelles Lernen nutzt, um Inhalte individuell zu personalisieren.
Welche Vorteile bietet die Graphentheorie in der digitalen Ökonomie?
Sie ermöglicht die effiziente Darstellung und Analyse großer Datenmengen, erleichtert die Mustererkennung und unterstützt dynamische Empfehlungen.
Wie löst Netflix das Kaltstart-Problem bei Empfehlungssystemen?
Durch die Nutzung von Algorithmen, die Daten aus ähnlichem Nutzerverhalten extrapolieren, sowie durch Clustering von Inhalten und Nutzern.
Was versteht man unter einem „Random Walk“ in der Graphentheorie?
Ein Random Walk ist ein mathematisches Modell, das eine zufällige Bewegung beschreibt, bei der die nächsten Schritte nicht deterministisch, sondern rein zufällig sind. Er wird verwendet, um Netzwerke zu analysieren, z. B. Bei Netflix zum Beispiel ist dieses Ökosystem bereits definiert, und je nachdem, welchen Film man sich anschaut, landet man in einem bestimmten Cluster. Je mehr Filme man sich anschaut, desto häufiger sind nur bestimmte Knoten verfügbar
Was ist das Ziel von Community Detection in Netzwerken?
Algorithmen identifizieren Gruppen oder Cluster innerhalb eines Netzwerks, z. B. Freundeskreise in sozialen Netzwerken.
Welche Herausforderungen bringt die Datensammlung für Empfehlungssysteme mit sich?
Datenschutzprobleme und das Kaltstart-Problem, wenn wenig Daten über neue Nutzer oder Produkte vorliegen.
Wie werden Nutzerinteraktionen im kollaborativen Filtern gespeichert?
Nutzerinteraktionen werden oft binär gespeichert (1 für eine Aktion wie Kauf, 0 für keine Aktion) und zur Mustererkennung genutzt.
Welche Herausforderungen entstehen bei der Implementierung von Empfehlungssystemen, die auf Matrix-Faktorisierung basieren, in datengetriebenen Geschäftsmodellen?
Herausforderungen umfassen das Kaltstart-Problem, bei dem neue Nutzer oder Produkte ohne ausreichende Daten schwer zuzuordnen sind, sowie die hohe Rechenkomplexität bei großen Datenmengen. Außerdem gibt es Datenschutzfragen, da sensible Nutzerinteraktionsdaten verarbeitet werden.
Inwiefern beeinflusst der PageRank-Algorithmus von Google die Sichtbarkeit von Inhalten im Internet, und welche ethischen Herausforderungen sind damit verbunden?
Der PageRank-Algorithmus bewertet die Wichtigkeit von Webseiten basierend auf eingehenden Links und beeinflusst deren Ranking in Suchergebnissen. Ethikprobleme umfassen die Manipulation durch Linkfarmen und die Ungleichheit zwischen großen und kleinen Anbietern, da der Algorithmus etablierte Akteure bevorzugt.
Wie können Random Walks zur Analyse von sozialen Netzwerken eingesetzt werden, und welche Vorteile bietet diese Methode gegenüber herkömmlichen Ansätzen?
Random Walks analysieren Netzwerke durch zufällige Bewegungen zwischen Knoten und identifizieren zentrale oder einflussreiche Akteure. Sie bieten Vorteile, da sie dynamische Beziehungen abbilden können und für große Netzwerke skalierbar sind. Beispielsweise können sie Influencer in sozialen Medien effektiv bestimmen.
Welche Rolle spielt die Graphentheorie bei der Entwicklung algorithmischer Lösungen für datengetriebene Geschäftsmodelle?
Die Graphentheorie liefert die Grundlage für Netzwerkanalysen, wie z. B. die Optimierung von Beziehungen zwischen Nutzern und Produkten. Algorithmen wie kürzester-Weg-Ansatz unterstützen datengetriebene Geschäftsmodelle bei der Optimierung von Prozessen und der Entwicklung dynamischer Empfehlungssysteme.
