12.03.2018

Mit summa cum laude großer Erfolg für das Konzept der kooperativen Promotion: Neuer Algorithmus für E-Commerce-Empfehlungssysteme im Web entwickelt

Mit einem herausragenden Ergebnis schloss Julian Knoll als erster Promovend der Fakultät Informatik an der TH Nürnberg seine Promotion ab

Starker Impuls für die Forschung zur optimalen Positionierung von E-Commerce Unternehmen: Julian Knoll von der TH Nürnberg, Fakultät für Informatik, hat in seiner herausragenden Dissertation einen neuen Algorithmus des maschinellen Lernens für die Optimierung von Empfehlungssystemen entwickelt. Eine Bestätigung für das Konzept der kooperativen Promotionen: Julian Knoll schloss seine herausragende Arbeit an der TH Nürnberg in der Fakultät für Informatik und am Lehrstuhl für Statistik und Ökonometrie des Fachbereichs Wirtschafts- und Sozialwissenschaften der Universität Erlangen-Nürnberg mit summa cum laude ab.

Nürnberg, 12. März 2018. Mit einem innovativen und wirtschaftlich interessanten Forschungsbeitrag zu einem neu entwickelten Algorithmus für E-Commerce-Empfehlungssysteme geht die TH Nürnberg einen Schritt voraus: Empfehlungssysteme sind ein starker Zukunftsmarkt, sie sind eine besondere Art der Personalisierung im Web 2.0, sie analysieren Nutzerprofile und
-verhalten, um gezielt individuelle Informationen zur Verfügung zu stellen. Die Orientierung an den Auswertungsergebnissen bietet Unternehmen die Chance, gezielt ihre Marktchancen zu optimieren.

Julian Knoll von der TH Nürnberg, Fakultät für Informatik, hat in seiner kooperativen Promotion einen Algorithmus entwickelt, der signifikant die Empfehlungsqualität steigert. Seine summa cum lauda-Dissertation mit dem Titel „Higher-order Factorization Machines: Implementation, Application, and Comparison of a State-of-the-art Recommender Approach“ fokussiert auf ein Verfahren des maschinellen Lernens, den Faktorisierungsmaschinen. Julian Knoll: „Die Faktorisierungsmaschinen haben das Potenzial, zur Lösung vielfältiger Probleme im E-Commerce zu werden. In meiner Dissertation stand die Optimierung von Produktempfehlungen in Onlineshops sowie die Auswahl von Aktien zum Handel an Wertpapierbörsen im Vordergrund. Im Rahmen von Simulationsstudien konnte ich zeigen, dass durch die Einführung von Faktorisierungsmaschinen höherer Ordnung sowohl die Qualität von Produktempfehlungen verbessert als auch die Renditen im Aktienhandel signifikant erhöht werden können. Diese Erkenntnisse bieten E-Commerce-Unternehmen viele Anwendungsmöglichkeiten.“

Erstgutachter waren Prof. Dr. Michael Grottke, Lehrstuhl für Statistik und Ökonometrie an der FAU, Zweitgutachter und Betreuer der Dissertation war Prof. Dr. Rainer Groß, Professor für Wirtschaftsinformatik an der Fakultät Informatik der TH Nürnberg, Drittgutachter war Prof. Dr. Ingo Klein, Lehrstuhl für Statistik und Ökonometrie an der FAU.

 

 

Hinweis für Redaktionen:

Kontakt: Hochschulkommunikation, Tel. 0911/5880-4101, E-Mail: presse[at]th-nuernberg.de

Alle Nachrichten
Anfahrt