Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
System för automatiska rekommendationer av nyheter och evenemang
KTH, School of Technology and Health (STH), Medical Engineering, Computer and Electronic Engineering.
2015 (Swedish)Independent thesis Basic level (university diploma), 10 credits / 15 HE creditsStudent thesisAlternative title
Systems for automatic recommendations of news and events (English)
Abstract [sv]

Teknik och data är nyckeln till att Bonnier Business Media (BBM) ska kunna nå sina mål och leverera ytterligare tillväxt. Därför vill man ligga i framkant när det gäller att undersöka nya tekniker som kan förbättra plattformarna och göra dem mer tidsenliga. BBM har bland annat velat ta fram ett rekommendationssystem som ska användas till att göra innehållet individanpassat på webbplatserna och på ett effektivt sätt presentera detta så att de olika målgrupperna får den information de förväntar sig. Till exempel ska besökaren kunna få förslag på artiklar och evenemang som kan vara av intresse.

Målet med detta examensarbete har varit att ta fram en prototyp för ett rekommendationssy- stem med tillhörande algoritmer. Prototypen skulle kunna användas som ett “koncepttest” för att undersöka möjligheten att skapa personliga rekommendationer till läsare på Veckans Affärers webbplats, va.se. Implementationen av rekommendationssystem som togs fram till BBM bestod av en objektbaserad kollaborativ filtrerings algoritm som använde besökarnas beteende, publiceringsdatum och popularitet på artiklarna och evenemangen för att skapa individuella rekommendationer. Efter genomförda tester och analyser visar resultatet att det är fullt möjligt att skapa personliga rekommendationer som har en högre precision än vad ett grundläggande rekommendationssystem, till exempel en popularitetslista, kan erbjuda. 

Abstract [en]

Technology is the key for Bonnier Business Media (BBM) to reach their goals and deliver future growth. Therefore they want to be in the very forefront when it comes to exploring new technologies that can improve their platforms and make them more up to date. BBM has among other things aimed to develop a recommendation system that is supposed to make the content of their web sites personalized and in an efficient way present this so that the different target groups will get the information that they expect. For example the visitor should be able to get suggestions on articles and events that might be of interest.

The aim of this thesis has been to develop a prototype of a recommendation system with associated algorithms. The prototype could be used as to examine the possibility to create personalized recommendations for the readers on BBM:s website va.se (Veckans Affärer). The implementation of the recommendation system that was developed for BBM consisted of an object-based collaborative filtering algorithm using visitor behavior, publication date and popularity of articles and events to create personalized recommendations. After com- pleting tests and analyzes the results show that it is possible to create recommendations with a higher precision than a basic recommendation system, like a popularity list, can of- fer. 

Place, publisher, year, edition, pages
2015.
Keyword [en]
recommendation system, news, events, collaborative filtering
Keyword [sv]
rekommendationssystem, nyheter, evenemang, kollaborativ filtrering
National Category
Computer and Information Science
Identifiers
URN: urn:nbn:se:kth:diva-169195OAI: oai:DiVA.org:kth-169195DiVA: diva2:820269
Subject / course
Computer Technology, Program- and System Development
Educational program
Bachelor of Science in Engineering - Computer Engineering
Available from: 2015-06-12 Created: 2015-06-11 Last updated: 2015-06-12Bibliographically approved

Open Access in DiVA

fulltext(1081 kB)109 downloads
File information
File name FULLTEXT01.pdfFile size 1081 kBChecksum SHA-512
2d1942e71299dce26ab12dff61689e581b74952a557ea23d8e5b7f337a11ea110e36d2d565683df13b5c600e1591ce490309d454128447da1a29040381a0d2cb
Type fulltextMimetype application/pdf

By organisation
Computer and Electronic Engineering
Computer and Information Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 109 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 301 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf