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. / 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.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-169195 |
| Date | January 2015 |
| Creators | Brandt, Theodor |
| Publisher | KTH, Data- och elektroteknik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds