Brettspiel-Recommender

Kurzbeschreibung

In diesem Projekt soll ein Empfehlungssystem (Recommender System) für Brettspiele entwickelt werden. Dazu betrachten wir individuelle Empfehlungen (welches Spiel wäre gut für mich?) als auch Gruppenempfehlungen (welches Spiel soll ich idealerweise mit meiner Spielegruppe spielen?). Es gibt zwei Personengruppen, für die dieses Medienprojekt passend ist. Bitte wähle das Projekt nur, wenn du dich zu mindestens einer der Personengruppen zählst:

A: Interesse an Recommender Systemen und idealerweise schon technische Erfahrung damit. Begriffe wie content-based und collaborative-filtering sind schon bekannt oder du bist gewillt, dich in die Literatur einzulesen. 

B: Du spielst viele Brettspiele und kennst moderne Spiele (und nicht nur UNO, Monopoly, ...). Du kennst eine Reihe von Spielmechaniken - mindestens vom Namen her (z. B. Worker Placement, Drafting, Hidden Movement, ...) und nutzt BoardGameGeek (oder ähnliches) regelmäßig. Du findest es spannend zu überlegen, wie man die diversen Präferenzen in ein Empfehlungssystem überführen kann und selbst wenn du noch keine Erfahrung mit solchen hast, hast du Lust dich mit wissenschaftlichen Veröffentlichungen zu diesem Thema zu beschäftigen und dich in die notwendige Technologie einzuarbeiten.

Ihr solltet auf jeden Fall Eigeninitiative mitbringen, insbesondere wenn es um den Feature-Scope des Projektes geht (d.h., ihr überlegt euch, was sinnvolle Features sind). Wenn du dieses Projekt als Präferenz wählst, gib bitte bei der Präferenz mit an, zu welcher/welchen Gruppe/n A und/oder B du dich zuordnest. Wenn du "B" auswählst, schreibe bitte auch deine TOP 3 Brettspiele. 

Hinweis: Das Projekt kommt nur zu stande, wenn genügend Personen dem Projekt zugewiesen werden können, die eine B-Präferenz angegeben haben.

 

Aufgaben im Projekt:

Abhängig von der tatsächlichen Gruppengröße werden wir den Scope des Projektes in der ersten Wochen des Semesters definieren. Einige Eckpfeiler, die vorhanden sein können:

• Überprüfung der wiss. Recommender-Literatur, um a) Ansätze herauszustellen und b) zu prüfen, ob es bereits Recommender im Kontext von Brettspielen gibt.
• Überprüfung welche Recommender Systeme es für Brettspiele außerhalb des akademischen Bereiches gibt. Hierbei muss unterschieden zwischen „Spielvorschlägen“ und „Kaufvorschlägen“. Dann: Analyse dieser Systeme in Bezug auf „wie gut sind diese?“ und „was fehlt diesen?“.
• Durchführung des User-Modelling.
• Aufstellung eines Trainings- und Testdatensatz, um die eigene Recommender Engine zu benchmarken.
• Entwicklung von Recommender Engines [genaue Anzahl und Fokus abhängig von der Gruppengröße].
• Temporäre ad-hoc Anpassungen an das User-Model, so dass Kontextfaktoren einbezogen werden können (z. B. "generell mag ich Tile Placement, aber heute habe ich darauf keine Lust").
• Ableitung, welche weiteren Faktoren bei einer Brettspielempfehlung wichtig sind und Einbezug in die Engine oder ein Filtersystem (z. B. Komplexität der Spielregeln, nötiger Platz auf dem Tisch in Abhängigkeit der Spieleranzahl etc. pp).
• Ansprechendes, responsives, Web User Interface erstellen.
• Adressierung des Kaltstartproblems.
• Kleine User Studie, wie das System ankommt.