Content Recommendation with Knowledge Graphs in Information Management Systems

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorSingh, Ramanpreet
dc.contributor.authorHuovila, Maria
dc.contributor.schoolPerustieteiden korkeakoulufi
dc.contributor.supervisorHolme, Petter
dc.date.accessioned2024-06-23T17:11:10Z
dc.date.available2024-06-23T17:11:10Z
dc.date.issued2024-06-17
dc.description.abstractOrganizations around the world are battling with vast amounts of information. With increasing amount of data, effectively finding the needed information from information management system (IMS) becomes rapidly more difficult. Users have high expectations for efficiency and experience frustration when the information isn’t readily available. Content recommendation (CR) systems have high potential in increasing efficiency and user experience. CR systems can be divided into collaborative filtering, content-based and hybrid ystems. By the means of literature study characteristic of different approaches were evaluated. In IMS where even less popular information can be valuable and there are is much content compared to the number of users content-based approach is promising. Knowledge Graphs (KG) have high potential in enhancing the quality of recommendations when structured information about the content is available. Based on network analysis conducted for the content of an IMS, it appears that integrating KG with the recommendation system could potentially be beneficial. Further analysis about the structure and performance tests of the recommendation are needed to establish its true value.en
dc.description.abstractOrganisaatiot ympäri maailman kamppailevat informaatiotulvan kanssa. Tiedon löytäminen dokumenttienhallintajärjestelmistä tehokkaasti muuttuu vaikeammaksi kasvavan tietomäärän myötä. Käyttäjillä on usein korkeat vaatimukset tehokkuudelle ja he kokevat herkästi turhautumista kun tarvittava tieto ei ole helposti saatavilla. Suosittelujärjestelmissä on potentiaalia tehokkuuden ja sen myötä myös käyttäjäkokemuksen parantamiseksi. Suosittelujärjestelmät jaotellaan usein kolmeen ryhmään: Yhteissuodatettuihin, sisältöpohjaisiin ja hybridipohjaisiin suosittelujärjestelmiin. Kirjallisuustutkimuksen keinoin erityyppisiä suosittelujärjestelmiä arvioitiin. Näyttää siltä, että dokumenttienhallintajärjestelmissä joissa on paljon ei ehkä keskeistä, mutta silti tärkeää sisältöä ja sisällön määrä verrattuna käyttäjien m ärään on suuri, sisältöpohjaiset suosittelujärjestelmät vaikuttavat lupaavimmilta. Kun informaatio on hyvin strukturoitu, tietämysverkoilla voidaan mahdollisesti parantaa suositusten laatua. Dokumenttienhallintajärjestelmän dokumenttisisällölle tehdyn verkostoanalyysin pohjalta vaikuttaa, että tietämysverkon hyödyntäminen suosittelujärjestelmässä voi olla hyödyllistä tämän järjestelmän osalta. Järjestelmän rakennetta tulisi tutkia laajemmin ja sisältösuosituksia tulisi arvioida, jotta saadaan vahvistusta tietämysverkon todellisesta hyödystä.fi
dc.format.extent46+8
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/129324
dc.identifier.urnURN:NBN:fi:aalto-202406234909
dc.language.isoenen
dc.programmeMaster’s Programme in Life Science Technologiesfi
dc.programme.majorComplex Systemsfi
dc.programme.mcodeSCI3060fi
dc.subject.keywordknowledge graphen
dc.subject.keywordcontent recommendationen
dc.subject.keywordnetwork analysisen
dc.subject.keywordinformation management systemen
dc.titleContent Recommendation with Knowledge Graphs in Information Management Systemsen
dc.titleTietämysverkon avulla toteutettu suosittelujärjestelmä dokumenttienhallintajärjestelmissäfi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Huovila_Maria_2024.pdf
Size:
9.37 MB
Format:
Adobe Portable Document Format
Download
Collections
[dipl] Perustieteiden korkeakoulu / SCI