Eine Untersuchung zu sitzungsbasierten Empfehlungssystemen

Empfehlungssysteme (RSs) spielen eine zunehmend wichtige Rolle für informierten Konsum, Dienstleistungen und Entscheidungsfindung in der überladenen Informationsära und digitalisierten Wirtschaft. In den letzten Jahren sind sitzungsbasierte Empfehlungssysteme (SBRSs) als neues Paradigma der RSs entstanden. Anders als andere RSs wie inhaltsbasierte RSs und kollaborative Filterungs-RSs, die normalerweise langfristige, aber statische Benutzerpräferenzen modellieren, zielen SBRSs darauf ab, kurzfristige, aber dynamische Benutzerpräferenzen zu erfassen, um zeitgerechtere und genauere Empfehlungen zu geben, die sensibel auf die Entwicklung ihrer Sitzungs-Kontexte reagieren. Obwohl SBRSs intensiv untersucht wurden, sind weder einheitliche Problemstellungen für SBRSs noch eine tiefgehende Ausarbeitung der SBRS-Eigenschaften und -Herausforderungen verfügbar. Es ist auch unklar, inwieweit die Herausforderungen von SBRSs angegangen wurden und wie das allgemeine Forschungsfeld der SBRSs aussieht. Diese umfassende Übersicht über SBRSs behandelt die oben genannten Aspekte, indem sie die SBRS-Entitäten (z.B. Sitzungen), Verhaltensweisen (z.B. Klicks der Benutzer auf Artikel) und deren Eigenschaften (z.B. Sitzungsdauer) eingehend untersucht. Wir schlagen eine allgemeine Problemstellung für SBRSs vor, fassen die unterschiedlichen Datenmerkmale und Herausforderungen von SBRSs zusammen und definieren eine Taxonomie, um die repräsentative SBRS-Forschung zu kategorisieren. Schließlich diskutieren wir neue Forschungsgelegenheiten in diesem aufregenden und dynamischen Bereich.