Bund, Tom and Gataveckas, Tomas and Grunert, Hannes (2026) Constraint-getriebene genetische Algorithmen zur dynamischen Generierung von Kaufempfehlungen. In: Künstliche Intelligenz im Mittelstand 2026, 22-25 Sep 2026, Dresden, Deutschland. (In Press)
Full text not available from this repository.Abstract
Genetische Algorithmen bieten ein Potenzial für die Ermittlung neuer oder verbesserter Lösungen für Optimierungsprobleme, doch ihre Wirksamkeit hängt stark von der Größe und Struktur des Suchraums ab. Um den Suchraum zu verkleinern und den Evolutionsprozess zu lenken, integriert unser Ansatz Assoziationsregeln, die aus historischen Artikelkombinationen gewonnen wurden, als Fachwissen in die genetische Optimierung. Auf diese Weise wird der Algorithmus „in die richtige Richtung” gelenkt, indem bei der Artikelzusammenstellung empirisch aussagekräftige Kombinationen bevorzugt werden. Wir evaluieren den Ansatz im Kontext eines Online-Shops für Sammelkartenspiele (engl.: Trading Card Games; TCGs), InSleeve, dessen Ziel darin besteht, stärkere Empfehlungen zu generieren, indem plausible, turnierorientierte Decks zusammengestellt und dem Kunden des Shops zum Kauf angeboten werden.
| Item Type: | Conference or Workshop Item (Paper) |
|---|---|
| Subjects: | Forschungsthemen > Big Data Analytics Autorenart > DBIS-Publikationen Autorenart > Studentische Arbeiten |
| Depositing User: | Dbis Admin |
| Date Deposited: | 16 Jun 2026 10:45 |
| Last Modified: | 16 Jun 2026 10:45 |
| URI: | https://eprints.dbis.informatik.uni-rostock.de/id/eprint/1156 |
Actions (login required)
 |
View Item |
