Hildesheimer Forscher gewinnen prestigeträchtigen Web-Technologie-Preis!

Hildesheimer Forscher gewinnen prestigeträchtigen Web-Technologie-Preis!

Sydney, Australien - Am Donnerstag, den 12. Juni 2025, wurden im Rahmen der International World Wide Web Conference in Sydney, Australien, Forscher der Universität Hildesheim mit dem renommierten Seoul Test of Time Award ausgezeichnet. Die Preisträger, darunter Prof. Dr. Dr. Lars Schmidt-Thieme sowie die ehemaligen Doktoranden Dr. Steffen Rendle und Dr. Christoph Freudenthaler, wurden für ihre wegweisende Forschung im Bereich der sequentiellen Empfehlungssysteme geehrt. Ihre Arbeiten haben seit 2010 über 2.900 Zitationen erreicht, was die internationale Relevanz ihrer Erkenntnisse unterstreicht. Diese Auszeichnung wird seit 2014 von der International World Wide Web Conference Committee und der Association for Computing Machinery (ACM) verliehen, deren Ziel es ist, Lehrende und Forschende zu vernetzen und den Dialog sowie das lebenslange Lernen zu fördern.

Die Forschung der Hildesheimer Wissenschaftler beschäftigt sich mit der Modellierung von Reihenfolgeneffekten und latenten Eigenschaften von Nutzer*innen und Items. Dabei wird insbesondere die Anwendung ihrer Ergebnisse in den Bereichen E-Commerce und Technology Enhanced Learning hervorgehoben. Ein besonderes Merkmal ihrer Studien ist die Verwendung von Daten aus einem Drittmittelprojekt in Zusammenarbeit mit der Drogeriekette Rossmann.

Innovationen in Empfehlungssystemen

Die Forschung von Schmidt-Thieme und seinem Team zielt darauf ab, bestehende Empfehlungssysteme zu verbessern. Traditionelle Ansätze konzentrieren sich häufig auf die Vorhersage eines einzelnen Artikels. In ihren Studien hingegen wird der Fokus auf sogenannte Top-K Empfehlungen gelegt. Dies bedeutet, dass mehrere Artikel gleichzeitig vorhergesagt werden, mit denen Nutzer voraussichtlich interagieren könnten. Die Herausforderung hierbei besteht darin, Modelle zu entwickeln, die nicht nur ein einzelnes Element, sondern auch eine ganze, rangierte Liste von Artikeln erzeugen.

Ein bewährter Ansatz, der verwendet wird, ist die Modifikation bestehender Modelle, um diese Mehrfachvorhersagen zu ermöglichen. Beispielsweise wird das Modell GPT-2 eingesetzt, das speziell für die Vorhersage des nächsten Elements in einer Nutzersequenz trainiert wurde. Schritt-für-Schritt-Generierung berücksichtigt bereits empfohlene Artikel und bringt innovative Generierungsstrategien wie Gieriges Decoding, Beam Search und Temperatursampling hervor, entlang mit neuen Methoden wie Rekursiver Rangaggregation.

Messung und Ergebnisse der Forschung

Die Validierung dieser Methoden erfolgte anhand diverser Datensätze, darunter MovieLens-20M und Yelp. Die durchgeführten Experimente stellten sicher, dass nur Nutzer mit ausreichenden Interaktionen zur Analyse herangezogen wurden. Als Standardmetriken zur Leistungsbewertung der Empfehlungssysteme wurden NDCG, Recall und Mean Average Precision verwendet.

Die Ergebnisse zeigen, dass die autoregressiven Generierungsstrategien signifikante Vorteile in der Qualität der langfristigen Vorhersagen bieten. Insbesondere die Relevanzaggregationsstrategie erwies sich als überlegene Methode im Vergleich zu traditionellen Ansätzen. Obwohl die Generierung mehrerer Sequenzen zusätzliche Rechenkosten verursacht, kann dieser Prozess parallelisiert werden, um die Latenz zu managen und die Qualität der Empfehlungen weiter zu steigern.

Zusammenfassend lässt sich festhalten, dass die außergewöhnlichen Arbeiten der Wissenschaftler aus Hildesheim nicht nur die Grenzen des aktuellen Wissens im Bereich der Webtechnologien erweitern, sondern auch auf dem internationalen Parkett eine bedeutende Anerkennung erfahren. Angesichts der Errungenschaften in der sequentiellen Empfehlungsforschung bildet diese Auszeichnung den Grundstein für zukünftige Entwicklungen und trägt dazu bei, das Vertrauen in die Möglichkeiten kleinerer Universitäten zu stärken. Mehr Informationen zu dieser bedeutenden Auszeichnung und den Forschungsaktivitäten finden sich auf den Seiten von uni-hildesheim.de sowie scisimple.com.