DE102021000117A1

DE102021000117A1 - Method and arrangement for the computer-aided selection of behavioral models

Info

Publication number: DE102021000117A1
Application number: DE102021000117.6A
Authority: DE
Inventors: gleich Anmelder Erfinder
Original assignee: Individual
Current assignee: Individual
Priority date: 2021-01-13
Filing date: 2021-01-13
Publication date: 2022-07-14

Abstract

Die Erfindung beinhaltet ein Verfahren und eine Anordnung zur rechnergestützten Auswahl von Verhaltensmodellen. Damit kann der Anwender sein eigenes Verhaltensrepertoire an das Verhaltensrepertoire seines persönlichen Modells anpassen. Zunächst wird eine Verhaltenskategorie definiert, innerhalb der der Anwender das Verhalten einer anderen Person nachahmen möchte. Danach wird eine Menge von potenziellen Verhaltensmodellen definiert. Für die definierte Verhaltenskategorie und die Menge potenzieller Modelle wird eine Datenstruktur erzeugt, in der jedes potenzielle Modell durch einen Datensatz repräsentiert ist, bestehend aus einer oder mehrerer Verhaltensausprägungen, seinem Verhaltensrepertoire. Für die Verhaltensrepertoires werden Variablen zur Quantifizierung ihrer Ähnlichkeit definiert. Entsprechend ihrer Ähnlichkeit werden die potenziellen Modelle einer Anzahl von Teilmengen zugeordnet. Für jede Teilmenge wird ein potenzielles Modell bestimmt, das diese repräsentiert, das repräsentierende Modell. Die repräsentierenden Modelle werden mit ihren Verhaltensrepertoires dem Anwender als Alternativen dargestellt. Der Anwender wählt aus ihnen eines als sein persönliches Modell aus und passt sein Verhaltensrepertoire an dessen Verhaltensrepertoire an.The invention includes a method and an arrangement for the computer-aided selection of behavior models. The user can thus adapt his own behavioral repertoire to the behavioral repertoire of his personal model. First, a behavior category is defined within which the user wants to imitate the behavior of another person. After that, a set of potential behavioral models is defined. A data structure is generated for the defined behavior category and the set of potential models, in which each potential model is represented by a data set consisting of one or more behavior characteristics, its behavior repertoire. For the behavioral repertoires, variables are defined to quantify their similarity. According to their similarity, the potential models are assigned to a number of subsets. For each subset, a potential model is determined that represents it, the representing model. The representative models and their behavioral repertoires are presented to the user as alternatives. The user selects one of them as his personal model and adapts his behavioral repertoire to his behavioral repertoire.

Description

Die Erfindung betrifft ein Verfahren und eine Anordnung zur rechnergestützten Auswahl von Verhaltensmodellen gemäß Oberbegriff des Anspruchs 1 bzw. des Anspruchs 2.The invention relates to a method and an arrangement for the computer-aided selection of behavior models according to the preamble of claim 1 and claim 2.

Stand der TechnikState of the art

Oft ist man überwältigt von der Menge an attraktiven Alternativen, aus denen man wählen kann, z.B. dem Umfang der Inhalte auf einer Streaming-Plattform. Um diese Situationen zu erleichtern, wurden Empfehlungsdienste (Recommender Systems) entwickelt. Ein Empfehlungsdienst ist ein Programm, das aus einer für den Anwender unübersichtlichen Menge von Objekten eine Teilmenge vorschlägt. Beispiele für den entsprechenden Stand der Technik sind US 2019/0278819 A1 und US 2020/0082417 A1 . Eine Übersicht geben Addagarla, K & Amalanathan, A (2019), A survey on comprehensive trends in recommendation systems & applications, International Journal of Electronic Commerce Studies, 10, 1, 65-88. Solche Programme errechnen z.B. die Empfehlungen für Filme aus dem Angebot eines Streaming-Dienstes. Mit der Berechnung soll eine Vorhersage gemacht werden, wie stark das Interesse eines Anwenders an einer Alternative ist, um ihm genau diejenigen aus der Menge aller vorhandenen Alternativen zu empfehlen, für die er sich wahrscheinlich am meisten interessiert. Weitere Beispiele sind Produktempfehlungen von Onlineversandhändlern oder Vorschläge zur Vernetzung mit anderen Personen in sozialen Netzwerken.One is often overwhelmed by the amount of attractive alternatives to choose from, ie the amount of content on a streaming platform. To facilitate these situations, recommender systems have been developed. A recommendation service is a program that suggests a subset from a set of objects that is confusing for the user. Examples of the relevant prior art are US 2019/0278819 A1 and US 2020/0082417 A1 . For an overview see Addagarla, K & Amalanathan, A (2019), A survey on comprehensive trends in recommendation systems & applications, International Journal of Electronic Commerce Studies, 10, 1, 65-88. Such programs calculate, for example, recommendations for films from a streaming service. The purpose of the calculation is to make a prediction as to how strong a user's interest in an alternative is, in order to recommend exactly those alternatives that he is probably most interested in from the set of all available alternatives. Further examples are product recommendations from online mail order companies or suggestions for networking with other people in social networks.

Solche Empfehlungen sind sehr wirksam. Bei der Filmauswahl bestimmen sie mehr als 80 % der Entscheidungen, für Produktempfehlungen wird eine Effektivität von 35 % angegeben. Dies zeigt, dass man ein großes Bedürfnis hat, sich bei der Auswahl leiten zu lassen. Damit stellt sich aber zugleich die Frage, ob die Empfehlungen tatsächlich den Interessen und Wünschen der Kunden entsprechen.Such recommendations are very effective. When selecting a film, they determine more than 80% of the decisions, and an effectiveness of 35% is given for product recommendations. This shows that you have a great need to be guided in your selection. At the same time, however, the question arises as to whether the recommendations actually correspond to the interests and wishes of the customers.

Die von Empfehlungsdiensten verwendeten Daten zur Berechnung der Vorschläge weisen grundlegende Probleme auf. Im Filmauswahl-Szenario etwa erfolgt die Berechnung in der Regel auf der Grundlage von Bewertungen durch die Nutzer des Streaming-Dienstes. Dieser Ansatz ist insofern fragwürdig, weil er sich auf die öffentliche Reputation der zur Auswahl stehenden Alternativen beruft, die möglicherweise wenig bis gar nichts mit dem zu antizipierenden Auswahlverhalten des Anwenders als Zielgröße zu tun hat. Die meisten Personen sehen sich einen Film an, ohne ihn explizit zu bewerten, während dieser Ansatz nur meinungsstarke Personen berücksichtigt, die eine Bewertung abgeben. Und solche meinungsstarken Personen sind in der Regel durch spezielle Persönlichkeitsmerkmale gekennzeichnet, z.B. einem erhöhten Bedürfnis nach Selbstdarstellung, die sie vom Anwender unterscheiden, für den eine Empfehlung formuliert werden soll. Die Bewertungen können darüber hinaus auch leicht durch Fans oder Organisationen manipuliert werden, um damit bewusst oder unbewusst Geschäftsinteressen zu verfolgen.The data used by recommendation services to calculate suggestions has fundamental problems. In the film selection scenario, for example, the calculation is usually based on ratings by the users of the streaming service. This approach is questionable insofar as it relies on the public reputation of the available alternatives, which may have little or nothing to do with the anticipated selection behavior of the user as a target variable. Most people watch a movie without explicitly rating it, while this approach only considers opinionated people who leave a rating. And such opinionated people are usually characterized by special personality traits, e.g. an increased need for self-expression, which distinguish them from the user for whom a recommendation is to be formulated. The ratings can also be easily manipulated by fans or organizations in order to consciously or unconsciously pursue business interests.

Die von Empfehlungsdiensten verwendeten Methoden zur Berechnung der Vorschläge führen zudem zu wenig geeigneten Ergebnissen. Die Berechnungen zielen in der Regel auf das Identifizieren von möglichst ähnlichen Personen und/oder Alternativen ab, was als kollaborativer bzw. inhaltsbasierter Empfehlungsdienst bezeichnet wird. Im Filmauswahl-Szenario ermittelt man beim kollaborativen Ansatz mit mathematischen Methoden einen Nutzer des Streaming-Dienstes, der in seinem Bewertungsverhalten dem Anwender möglichst ähnlich ist. Dessen Bewertungen sollen dann eine Vorhersage erlauben, welche vom Anwender bisher noch nicht angesehenen Filme für ihn attraktiv sind. Dieser Ansatz läuft letztlich darauf hinaus, dass dem Anwender vorgeschlagen wird, das Verhaltensmuster einer ihm ähnlichen Person zu übernehmen. Beim inhaltsbasierten Ansatz ermittelt man Filme, die sich in ihrem Bewertungsmuster möglichst ähnlich sind. Ein vom Anwender positiv bewerteter Film gibt dann Hinweise darauf, welcher andere Film für ihn attraktiv ist. Dieses Vorgehen läuft letztlich auf eine Wiederholung des Verhaltens hinaus, hat man z.B. einmal eine romantische Komödie als positiv bewertet, werden die Vorschläge ebenfalls aus der Menge der romantischen Komödien rekrutiert. Insgesamt konzentrieren sich Empfehlungsdienste also darauf, „Zwillinge“ des Anwenders und/oder seiner bevorzugten Alternativen zu finden, wodurch im Ergebnis mehr von dem Inhalt angeboten wird, den der Anwender bereits erlebt hat. Unter psychologischen Gesichtspunkten sollte er aber stattdessen dabei unterstützt werden, sein Verhaltensrepertoire zu erweitern und weiterzuentwickeln.The methods used by recommendation services to calculate the suggestions also lead to less than suitable results. The calculations are usually aimed at identifying people who are as similar as possible and/or alternatives, which is referred to as a collaborative or content-based recommendation service. In the film selection scenario, the collaborative approach uses mathematical methods to identify a user of the streaming service whose rating behavior is as similar as possible to the user. Its ratings should then allow a prediction to be made as to which films that the user has not yet viewed are attractive to him. This approach ultimately boils down to suggesting that the user adopt the behavior pattern of someone similar to him. With the content-based approach, films are identified that are as similar as possible in their rating pattern. A film rated positively by the user then indicates which other film is attractive to him. This procedure ultimately amounts to a repetition of the behavior, e.g. once a romantic comedy has been rated positively, the suggestions are also recruited from the crowd of romantic comedies. Overall, then, recommendation services focus on finding "twins" of the user and/or their preferred alternatives, resulting in offering more of the content that the user has already experienced. From a psychological point of view, however, he should instead be supported in expanding and developing his behavioral repertoire.

Figurenlistecharacter list

1 Overview of the method according to the invention
2 Central elements of the method according to the invention in a general representation
3 Central elements of the method according to the invention for the film selection scenario
4 Representation of the user and the representative models along a dimension of similarity in the film selection scenario
5 Representation of the user and the personal model along a similarity di mension in the film selection scenario with recommendations for adapting the behavioral repertoire
6 Rendering the user and the representative models along a similarity dimension in the movie selection scenario, automatically removing the representative models with a high degree of similarity and with a high dissimilarity to the user from the display
7 Playback of the user and the representative models along a similarity dimension in the film selection scenario, with the films already seen by the user being automatically removed from the display
8th The method according to the invention in an overview with an additional phase of navigating in the subsets of the potential models
9 Rendering the user and the representative models along a similarity dimension in the movie selection scenario, with the user navigating the hierarchical structure of the subsets of potential models

Offenbarung der ErfindungDisclosure of Invention

Die Erfindung greift auf Prinzipien des Beobachtungslernens zurück. Die Fähigkeit zur Aneignung von Verhalten ist eine zentrale psychische Funktion des Menschen. In der verhaltenswissenschaftlich ausgerichteten Lernpsychologie werden drei Lernprinzipien differenziert, die klassische Konditionierung, die operante Konditionierung und das Beobachtungslernen. Letzteres ist das effektivste Lernprinzip und wird auch als Modelllernen, Nachahmungslernen oder soziales Lernen bezeichnet. Beobachtungslernen beruht darauf, das Verhalten eines Vorbildes oder Modells zu beobachten. Das Modell liefert somit eine anschauliche Vorlage für das zu erlernende Verhalten, das dann nachgeahmt wird. Dabei ist es weitgehend unerheblich, ob das Verhalten eines Modells unmittelbar dargestellt wird oder mittelbar, z.B. als Videoaufzeichnung oder als Beschreibung in Textform.The invention draws on the principles of observational learning. The ability to acquire behavior is a central psychological function of humans. In behavioral science-oriented learning psychology, three learning principles are differentiated: classical conditioning, operant conditioning and observational learning. The latter is the most effective learning principle and is also known as model learning, imitation learning or social learning. Observational learning is based on observing the behavior of a role model. The model thus provides a clear template for the behavior to be learned, which is then imitated. It is largely irrelevant whether the behavior of a model is shown directly or indirectly, e.g. as a video recording or as a description in text form.

Der Gegenstand der Erfindung ist die rechnergestützte Auswahl von Verhaltensmodellen. Vom erfindungsgemäßen Verfahren wird aus einer Menge von potenziellen Verhaltensmodellen eine Menge von empfohlenen Modellen bestimmt, aus der der Anwender ein persönliches Modell auswählt, um sein eigenes Verhaltensrepertoire an dessen Verhaltensrepertoire anzupassen.The subject of the invention is the computer-aided selection of behavior models. From a set of potential behavior models, the method according to the invention determines a set of recommended models from which the user selects a personal model in order to adapt his own behavior repertoire to his behavior repertoire.

Das Verhalten kann von einzelnen Entscheidungen (z.B. die Entscheidung für ein Produkt) bis hin zu komplexen Verhaltensmustern (z.B. in einem sozialen Netzwerk) reichen. Die Entscheidung für ein Produkt kann beispielsweise die Auswahl eines Films bei einem Streaming-Anbieter oder der Kauf eines Mobiltelefons bei einem Onlineversandhändler sein. Damit behandelt die Erfindung auch solche Situationen, in denen bislang konventionelle Empfehlungsdienste eingesetzt werden.Behavior can range from single decisions (e.g. choosing a product) to complex behavior patterns (e.g. in a social network). The decision for a product can be, for example, the selection of a film from a streaming provider or the purchase of a mobile phone from an online mail order company. The invention thus also deals with situations in which conventional recommendation services have hitherto been used.

Dabei wird der in der Psychologie etablierte erweiterte Verhaltensbegriff verwendet. Bei dem nachzuahmenden Verhalten handelt es sich zum einen um unmittelbar beobachtbares Verhalten in realen oder virtuellen Welten oder Kombinationen hiervon. Das unmittelbar beobachtbare Verhalten beinhaltet zudem verbales Verhalten und den Ausdruck von Emotionen. Zum anderen werden als Erweiterung das subjektive Erleben und die damit verbundenen inneren psychischen und physischen Zustände und Prozesse ebenfalls als Verhalten definiert, das indirekt beobachtbar ist.The extended concept of behavior established in psychology is used. The behavior to be imitated is, on the one hand, directly observable behavior in real or virtual worlds or combinations thereof. The immediately observable behavior also includes verbal behavior and the expression of emotions. On the other hand, as an extension, the subjective experience and the associated inner psychological and physical states and processes are also defined as behavior that can be observed indirectly.

Der Anlass für die Ermittlung und Präsentation von empfohlenen Verhaltensmodellen ist beliebig. Die Initiative kann vom Anwender selbst ausgehen, wenn er z.B. ein Programm aufruft, das ihn bei der Auswahl eines Films unterstützt. Die Initiative kann auch von einem technischen System ausgehen, wenn der Anwender z.B. über einen Onlineversandhändler eine Virtual-Reality-Brille oder kurz VR-Brille erwerben möchte und ihm Personen vorgeschlagen werden, an deren Kaufverhalten er sich orientieren kann.The reason for identifying and presenting recommended behavioral models is arbitrary. The initiative can come from the user himself, e.g. when he calls up a program that supports him in selecting a film. The initiative can also come from a technical system if the user, for example, wants to purchase virtual reality glasses or VR glasses for short from an online retailer and people are suggested to him whose buying behavior he can use as a guide.

Das erfindungsgemäße Verfahren ist in 1 in einer Übersicht dargestellt. Im ersten Schritt wird eine Verhaltenskategorie definiert (101), innerhalb der der Anwender das Verhalten einer anderen Person nachahmen möchte. Im Filmauswahl-Szenario ist die Verhaltenskategorie das Ansehen eines Filmes.The method according to the invention is 1 presented in an overview. In the first step, a behavior category is defined (101) within which the user wants to imitate the behavior of another person. In the movie selection scenario, the behavioral category is watching a movie.

Im zweiten Schritt wird eine Menge von potenziellen Verhaltensmodellen definiert (102), aus der ein Modell für die Nachahmung des Verhaltens durch den Anwender ausgewählt wird. Diese Definition erfolgt auf der Grundlage von einem oder mehreren Kriterien. Für das Filmauswahl-Szenario kann ein Kriterium darin bestehen, dass sich die Menge von potenziellen Modellen aus den Nutzern eines Streaming-Dienstes rekrutiert. Auch kann der Anwender selbst Kriterien formulieren, etwa im Hinblick auf das Alter der potenziellen Modelle.In the second step, a set of potential behavior models is defined (102) from which a model for the user's mimicry of the behavior is selected. This definition is based on one or more criteria. One criterion for the film selection scenario can be that the set of potential models is recruited from the users of a streaming service. The user can also formulate criteria himself, for example with regard to the age of the potential models.

Für die definierte Verhaltenskategorie und die Menge von potenziellen Modelle wird eine Datenstruktur erzeugt, die das Verhalten der potenziellen Modelle beschreibt (103). Dabei wird jedes Modell durch einen Datensatz repräsentiert, bestehend aus einer oder mehreren Verhaltensausprägungen, seinem Verhaltensrepertoire. Im Filmauswahl-Szenario wird die Datenstruktur aus den automatisch aufgezeichneten Nutzungsdaten des Streaming-Dienstes erzeugt. Die Nutzungsdaten werden so aufbereitet, dass die resultierende Datenstruktur das Auswahl-Verhalten der potenziellen Modelle beinhaltet. Der Datensatz für einen Nutzer des Streaming-Dienstes besteht dann aus der Kennung für diesen Nutzer sowie den von ihm bislang ausgewählten Filmen. Eine weitere Charakterisierung des Nutzers ist nicht erforderlich, das erfindungsgemäße Verfahren kann also auf anonymisierte Verhaltensdaten angewendet werden.For the defined behavior category and set of potential models, a data structure is created that describes the behavior of the potential models (103). Each model represented by a dataset consisting of one or more behavioral characteristics, its behavioral repertoire. In the film selection scenario, the data structure is generated from the streaming service's automatically recorded usage data. The usage data is processed in such a way that the resulting data structure contains the selection behavior of the potential models. The data record for a user of the streaming service then consists of the identifier for this user and the films he has previously selected. A further characterization of the user is not necessary, the method according to the invention can therefore be applied to anonymous behavioral data.

Nach der Erzeugung der Datenstruktur kann die erste Stufe einer Schutzfunktion implementiert werden, die den Anwender vor der Auswahl von ungeeigneten oder dysfunktionalen Vorbildern bewahrt, was insbesondere für Kinder und Jugendliche von großer Bedeutung ist. Im Filmauswahl-Szenario können z.B. diejenigen potenziellen Modelle automatisch ausgeschlossen werden, die Filme ausgewählt haben, die für die Altersgruppe des Anwenders ungeeignet sind.After creating the data structure, the first level of a protection function can be implemented, which protects the user from selecting unsuitable or dysfunctional role models, which is particularly important for children and young people. For example, in the film selection scenario, those potential models who have selected films unsuitable for the user's age group can be automatically excluded.

Die Daten zu den potenziellen Modellen können grundsätzlich bereits in der vorliegenden Form wiedergegeben werden, damit der Anwender sich daraus ein für ihn besonders geeignetes Modell als sein persönliches Modell auswählt. Eine solche nicht weiter strukturierte Auflistung wird den Anwender aber in den hier betrachteten Gegenstandsbereichen nicht hinreichend unterstützen. Im Filmauswahl-Szenario beispielsweise müssen aufgrund der großen Zahl von potenziellen Modellen diese mit geeigneten statistischen Verfahren in Bezug auf ihr Verhaltensrepertoire gruppiert werden. Hierzu werden für die Repertoires eine oder mehrere Variablen definiert, mit denen ihre Ähnlichkeit quantifiziert wird (104).In principle, the data on the potential models can already be reproduced in the present form so that the user can select a model that is particularly suitable for him as his personal model. However, such an unstructured listing will not provide the user with sufficient support in the subject areas considered here. In the film selection scenario, for example, due to the large number of potential models, they have to be grouped according to their behavioral repertoire using appropriate statistical methods. To do this, one or more variables are defined for the repertoires, with which their similarity is quantified (104).

Ein Beispiel für eine solche Variable ist die Anzahl der Elemente, die sich in dem Verhaltensrepertoire befinden. Im Filmauswahl-Szenario ist dies die Anzahl der bislang ausgewählten Filme. Aus diesem Wert geht hervor, wieviel Erfahrung das potenzielle Modell bereits mit dem Streaming-Dienst gesammelt hat. Potenzielle Modelle mit einer großen Anzahl verfügen über eine große Erfahrung und können somit als Filmexperten angesehen werden. Dies kann für den Anwender ein wichtiges oder sogar das zentrale Kriterium für die Auswahl seines persönlichen Modells sein.An example of such a variable is the number of items that are in the behavioral repertoire. In the film selection scenario, this is the number of films selected so far. This value shows how much experience the potential model has already gained with the streaming service. Potential models with a large number have a lot of experience, so they can be considered film experts. For the user, this can be an important or even the central criterion for the selection of his personal model.

Im Szenario kann auch für jeden Film eine eigene Variable definiert werden, und zwar, ob das potenzielle Modell diesen Film ausgewählt hat oder nicht. Dabei wird aber nicht berücksichtigt, dass einige Filme mehrfach angesehen werden, und dies eine besondere Wertschätzung für diese Filme ausdrückt. Insofern kann die Variable besser als Häufigkeit definiert werden, mit der ein bestimmter Film ausgewählt wurde.Each movie can also have its own variable defined in the scenario, namely whether the potential model chose that movie or not. However, it is not taken into account that some films are viewed several times, and this expresses a special appreciation for these films. As such, the variable can be better defined as the frequency with which a particular film was selected.

Statt eines solchen zweiwertigen bzw. häufigkeitsbasierten Maßes kann man für jeden Film eine kontinuierliche Variable definieren. Diese kann auf dem Prozentsatz beruhen, zu dem dieser Film angesehen wurde. Ein Wert von z.B. 10 % besagt dann, dass das Modell nur den Anfang des Films angesehen hat. Diese Variable beschreibt das Verhalten des Modells nicht nur genauer, eine solche vorzeitige Beendigung impliziert in der Regel eine negative Beurteilung eines Films.Instead of such a two-valued or frequency-based measure, one can define a continuous variable for each film. This may be based on the percentage that this film has been viewed. A value of 10%, for example, means that the model only watched the beginning of the film. Not only does this variable describe the behavior of the model more precisely, such a premature termination usually implies a negative assessment of a film.

Bei der Verwendung von mehreren Variablen mit unterschiedlichen Größenordnungen sollten die Messwerte für jede Variable standardisiert werden, also z.B. durch z-Transformation den Mittelwert 0 und die Standardabweichung 1 erhalten. Eine Gewichtung der Variablen kann dann durch entsprechende Koeffizienten vorgenommen werden.When using several variables with different magnitudes, the measured values for each variable should be standardized, e.g. obtain the mean value 0 and the standard deviation 1 through z-transformation. The variables can then be weighted using appropriate coefficients.

Daneben können explizite Beurteilungen der Filme verwendet werden, um Variablen zur Quantifizierung der Ähnlichkeit der Verhaltensrepertoires zu definieren. Wie bereits im Stand der Technik dargelegt, weisen solche expliziten Beurteilungen aber substanzielle Probleme auf. So werden sie nur von wenigen Nutzern abgegeben und können zudem leicht manipuliert werden. Die Alternative, nach jedem Betrachten eines Films eine Beurteilung zu erfragen, sollte man den Nutzern nicht zumuten. Aus statistischen und psychologischen Gründen sind deshalb solche Daten zu bevorzugen, die im Laufe der Nutzung des Streaming-Angebots ohnehin anfallen.Besides, explicit ratings of the films can be used to define variables for quantifying the similarity of the behavioral repertoires. However, as already explained in the prior art, such explicit assessments have substantial problems. They are only given by a few users and can also be easily manipulated. The alternative of asking for a rating after each viewing of a film should not be expected of users. For statistical and psychological reasons, preference should therefore be given to data that is generated in any case in the course of using the streaming service.

Schließlich können auch Variablen definiert werden, die auf einem direkten paarweisen Vergleich zweier potenzieller Modelle beruhen. Ein Beispiel ist das Verhältnis von Schnittmenge und Vereinigungsmenge von zwei Verhaltensrepertoires. Im Filmauswahl-Szenario kann die Ähnlichkeit des Verhaltens von zwei potenziellen Modellen durch die Anzahl der Filme beschrieben werden, die beide bereits angesehen haben, geteilt durch die Anzahl der insgesamt von beiden angesehenen Filme. Das heißt, es wird der Quotient von Schnittmenge und Vereinigungsmenge bestimmt. Dieses Ähnlichkeitsmaß variiert zwischen 0 und 1. Es ist 0, wenn die beiden potenziellen Modelle keine einzige Übereinstimmung bei den von ihnen angesehenen Filmen haben, bei einer perfekten Übereinstimmung der beiden Repertoires ergibt sich der Wert 1.Finally, variables can also be defined that are based on a direct pairwise comparison of two potential models. An example is the relationship between the intersection and the union of two behavioral repertoires. In the movie selection scenario, the similarity in behavior of two potential models can be described by the number of movies both have already watched divided by the total number of movies watched by both. This means that the quotient of the intersection and union is determined. This measure of similarity varies between 0 and 1. It is 0 when the two potential models do not have a single match in the films they watch, and 1 when there is a perfect match between the two repertoires.

Auf der Grundlage der Quantifizierung kann die ursprüngliche Menge von potenziellen Modellen gegebenenfalls reduziert werden (105). Im Filmauswahl-Szenario kann auf die Anzahl der Filme Bezug genommen werden, denn Nutzer, die bislang sehr wenige Filme angesehen haben, werden in der Regel nicht als Modell für den Anwender in Frage kommen. Entsprechend können die potenziellen Modelle auf diejenigen eingegrenzt werden, die z.B. bereits mehr als 100 Filme angesehen haben. Ein solches Ausschlusskriterium kann auch anwenderabhängig definiert werden. Im Filmauswahl-Szenario kann z.B. definiert werden, dass die Anzahl der ausgewählten Filme eines potenziellen Modells größer sein muss als die Anzahl der vom Anwender ausgewählten Filme. Dann haben alle berücksichtigten potenziellen Modelle einen Erfahrungsvorsprung gegenüber dem Anwender, was sie als Vorbild qualifiziert.Based on the quantification, the original set of potential models can be reduced if necessary (105). In the movie out The choice scenario can be referred to the number of films, because users who have viewed very few films up to now will generally not be suitable as a model for the user. Accordingly, the potential models can be narrowed down to those who, for example, have already viewed more than 100 films. Such an exclusion criterion can also be defined user-dependent. In the film selection scenario, it can be defined, for example, that the number of films selected for a potential model must be greater than the number of films selected by the user. Then all potential models considered have an experience advantage over the user, which qualifies them as role models.

Auf der Grundlage der Quantifizierung werden die potenziellen Modelle einer geeigneten Anzahl von Teilmengen zugeordnet (106). Potenzielle Modelle mit einem ähnlichen Verhaltensrepertoire befinden sich dann also in einer gemeinsamen Teilmenge. Die Aufteilung kann in paarweise disjunkte Teilmengen erfolgen, dann ist jedes potenzielle Modell genau einer Teilmenge zugeordnet. Es besteht aber auch die Möglichkeit, dass die Aufteilung in nicht paarweise disjunkte Teilmengen erfolgt. Dann kann sich ein potenzielles Modell in zwei oder mehr Teilmengen befinden. Dies ist z.B. dann sinnvoll, wenn das Verhaltensrepertoire keine ausgeprägte Spezialisierung auf einen bestimmten Ausschnitt der betrachteten Verhaltenskategorie aufweist.Based on the quantification, the potential models are assigned to an appropriate number of subsets (106). Potential models with a similar behavioral repertoire are then in a common subset. The division can be made into pairwise disjoint subsets, then each potential model is assigned to exactly one subset. However, there is also the possibility that the division takes place in subsets that are not pairwise disjoint. Then a potential model can be in two or more subsets. This makes sense, for example, if the behavioral repertoire does not show a pronounced specialization in a certain section of the behavioral category under consideration.

Die Zuordnung erfolgt vorzugsweise mit statistischen Methoden. Das erfindungsgemäße Verfahren wird im Folgenden anhand von Clusteranalysen dargestellt, ohne dadurch andere geeignete Methoden auszuschließen. Clusteranalysen sind Verfahren zur Entdeckung von Ähnlichkeitsstrukturen in Datenbeständen. Dabei werden z.B. Techniken des unüberwachten Lernens aus dem Bereich des maschinellen Lernens eingesetzt. Die so gefundenen Gruppen von ähnlichen Objekten werden als Cluster bezeichnet, die Gruppenzuordnung als Clustering. Ein Cluster soll möglichst homogen sein, sich von den anderen Clustern aber gleichzeitig möglichst stark unterscheiden. Bei der vorliegenden Aufgabenstellung ist eine Anzahl von Teilmengen zu spezifizieren, die einerseits nicht zu gering sein darf, da sonst die Teilmengen auch sehr unterschiedliches Verhalten als ähnlich beschreiben würden, und andererseits nicht zu groß, da sonst die Auflistung der Teilmengen für den Anwender zu unübersichtlich werden würde.The assignment is preferably carried out using statistical methods. The method according to the invention is presented below using cluster analyses, without thereby excluding other suitable methods. Cluster analyzes are methods for discovering similarity structures in databases. For example, techniques of unsupervised learning from the field of machine learning are used. The groups of similar objects found in this way are referred to as clusters, the group assignment as clustering. A cluster should be as homogeneous as possible, but at the same time differ as much as possible from the other clusters. In the present task, a number of subsets must be specified, which on the one hand must not be too small, otherwise the subsets would also describe very different behavior as similar, and on the other hand not too large, otherwise the listing of the subsets would be too confusing for the user would become.

Verwendet man eine Clusteranalyse mit dem K-Means Algorithmus, so kann eine unter statistischen Gesichtspunkten geeignete Anzahl von Teilmengen mit der Ellenbogen-Methode (Elbow Method) bestimmen werden. Ein zweites Kriterium ist die Handhabbarkeit des Ergebnisses, das sich idealerweise in einer einzelnen kompakten Bildschirmdarstellung wiedergeben lässt, ohne dass der Anwender in größerem Umfang den Bildlauf benutzen oder über zahlreiche Seiten navigieren muss. Hierzu können beispielsweise solche Cluster unberücksichtigt bleiben, in denen sich nur wenige potenzielle Modelle befinden.Using a cluster analysis with the K-Means algorithm, a statistically suitable number of subsets can be determined using the elbow method. A second criterion is the manageability of the result, which ideally can be rendered in a single compact screen without requiring the user to scroll extensively or navigate through numerous pages. For this purpose, for example, clusters that contain only a few potential models can be disregarded.

Für das Filmauswahl-Szenario kann das Ergebnis einer solchen Einteilung beispielsweise die Differenzierung von technikorientierten und sozialorientierten Modellen sein. Technikorientierte Modelle wählen bevorzugt Dokumentationen über technische Themen und fiktionale Filme aus dem Bereich der Science Fiction aus. Sozialorientierte Modell haben eine Vorliebe für Dokumentationen zu sozialpolitischen Themen und romantische Filmdramen. Das Verhaltensrepertoire der Teilmengen potenzieller Modelle kann also sowohl faktuale als auch fiktionale Elemente umfassen. Das erfindungsgemäße Verfahren zielt auf eine Systematisierung der Verhaltensrepertoires ab, aus der sich eine Strukturierung entsprechend von Darstellungsformen und -inhalten ergeben kann, aber nicht muss.For the film selection scenario, the result of such a classification can be, for example, the differentiation between technology-oriented and socially-oriented models. Technology-oriented models prefer documentaries on technical topics and fictional films from the field of science fiction. Socially oriented models have a preference for documentaries on socio-political issues and romantic drama films. The behavioral repertoire of the subsets of potential models can thus include both factual and fictional elements. The method according to the invention aims at a systematization of the behavioral repertoires, from which a structuring according to presentation forms and contents can, but does not have to, result.

Nach der Zuordnung der potenziellen Modelle zu Teilmengen wird geprüft, welche dieser Teilmengen für den Anwender geeignete Vorbilder enthält (107). Hier kann eine weitere Stufe einer Schutzfunktion implementiert werden, z.B. indem eine Teilmenge deshalb ausgeschlossen wird, weil sie ein oder mehrere potenzielle Modelle enthält, die durch unakzeptables Verhalten aufgefallen sind. Dieser Ausschluss erfolgt in der Annahme, dass die anderen potenziellen Modelle in der Teilmenge ein ähnliches unakzeptables Verhalten aufweisen.After the potential models have been assigned to subsets, it is checked which of these subsets contains suitable models for the user (107). A further level of protection can be implemented here, e.g. by excluding a subset because it contains one or more potential models that have attracted attention due to unacceptable behavior. This exclusion is made with the assumption that the other potential models in the subset exhibit similar unacceptable behavior.

Für jede verbliebene Teilmenge wird ein potenzielles Modell bestimmt, das diese Teilmenge geeignet repräsentiert (108). Dieses Modell wird im Folgenden als das repräsentierende Modell bezeichnet. Mit diesem Prinzip können die einzelnen Teilmengen für den Anwender am anschaulichsten dargestellt werden. Verwendet man z.B. eine Clusteranalyse, hat jede der Teilmengen einen Mittelpunkt. Zur Beschreibung einer Teilmenge kann man dasjenige potenzielle Modell auswählen, das diesem Mittelpunkt am nächsten ist.For each remaining subset, a potential model that suitably represents that subset is determined (108). This model is hereinafter referred to as the representative model. With this principle, the individual subsets can be displayed most clearly for the user. For example, using a cluster analysis, each of the subsets has a center. To describe a subset, one can select the potential model that is closest to this center.

Die repräsentierenden Modelle mit ihren Verhaltensrepertoires werden dem Anwender in geeigneter Weise als Alternativen dargestellt (109). Beispielsweise wird das repräsentierende Modell für die Teilmenge der technikorientierten Modelle mit den Filmen wiedergegeben, die es bereits angesehen hat. In gleicher Weise wird dann die Teilmenge der sozialorientierten Modelle durch ein repräsentierendes Modell und dessen Verhaltensrepertoire dargestellt. Dabei ist zu berücksichtigen, dass sich in dem Repertoire auch Filme befinden, die nur zum Teil angesehen wurden, also aus Sicht des Modells weniger empfehlenswert sind. Diese Filme können entweder entsprechend gekennzeichnet oder aus der Darstellung des Verhaltensrepertoires entfernt werden.The representative models with their behavioral repertoires are suitably presented to the user as alternatives (109). For example, for the subset of technology-oriented models, the representative model is rendered with the movies it has already watched. In the same way, the subset of socially oriented models is represented by a representative model and its behavioral repertoire placed. It should be noted that the repertoire also includes films that have only been viewed in part, i.e. are less recommendable from the model’s point of view. These films can either be flagged as such or removed from the behavioral repertoire display.

Da die Anzahl der repräsentierenden Modelle und der Umfang ihrer Verhaltensrepertoires relativ groß sein können, muss eine übersichtliche und für den Anwender zielführende Form der Darstellung gewählt werden. Dies betrifft erstens die Reihenfolge, in der die repräsentierenden Modelle aufgelistet werden. Ein Kriterium hierfür kann die Anzahl der Nutzer sein, die sich in einer Teilmenge befinden, so dass die am stärksten besetzten Teilmengen als erste wiedergegeben werden. Zweitens betrifft dies die Reihenfolge, in der für jedes repräsentierende Modell die Verhaltenselemente dargestellt werden. Ein mögliches Kriterium ist dabei die Häufigkeit, mit der das Modell dieses Verhalten ausgeführt hat. Im Filmauswahl-Szenario werden dann zunächst diejenigen Filme aufgeführt, die das Modell am häufigsten angesehen hat, was darauf hinweist, dass es sich um besonders attraktive Elemente seines Verhaltensrepertoires handelt. In anderen Gegenstandsbereichen kann es geeigneter sein, die Elemente in der Reihenfolge aufzuführen, in der das Modell sich diese angeeignet hat. Damit wird dem Anwender verdeutlicht, wie er sein Repertoire schrittweise aufbauen kann, ohne sich durch die zu frühzeitige Auswahl von sehr anspruchsvollen Elementen zu überfordern.Since the number of representative models and the extent of their behavioral repertoires can be relatively large, a clear form of representation that is target-oriented for the user must be chosen. Firstly, this affects the order in which the representative models are listed. A criterion for this can be the number of users who are in a subset, so that the most occupied subsets are displayed first. Second, it concerns the order in which the behavioral elements are presented for each representative model. One possible criterion is the frequency with which the model performed this behavior. In the film selection scenario, the films that the model has watched the most are then listed first, indicating that these are particularly attractive elements of its behavioral repertoire. In other subject areas, it may be more appropriate to list the items in the order in which the model acquired them. This makes it clear to the user how he can gradually build up his repertoire without overtaxing himself by selecting very demanding elements too early.

Dabei ist es nicht erforderlich, dass die Teilmengen oder die sie repräsentierenden Modelle durch Begriffe oder andere Metadaten beschrieben werden. Entscheidend ist eine für den Anwender nachvollziehbare Darstellung des Verhaltensrepertoires. Im Filmauswahl-Szenario können die von den repräsentierenden Modellen angesehenen Filme z.B. durch Metadaten wie Titel, Plakate oder Trailer beschrieben werden.It is not necessary for the subsets or the models that represent them to be described by terms or other metadata. A representation of the behavioral repertoire that is comprehensible for the user is crucial. In the film selection scenario, the films viewed by the representing models can be described, for example, by metadata such as titles, posters, or trailers.

Der Anwender wählt aus den repräsentierenden Modellen eines als sein persönliches Modell aus (110). Im Filmauswahl-Szenario entscheidet sich der Anwender z.B. für das repräsentierende technikorientierte Modell.The user selects one of the representative models as his personal model (110). In the film selection scenario, for example, the user decides on the representative technology-oriented model.

Der Anwender passt schließlich sein Verhaltensrepertoire an das des persönlichen Modells an (111). Hierzu übernimmt er beispielsweise ein oder mehrere Elemente aus dem Verhaltensrepertoire des persönlichen Modells durch Nachahmung in sein eigenes Verhaltensrepertoire. Wählt der Anwender im Filmauswahl-Szenario z.B. das repräsentierende technikorientierte Modell als sein persönliches Modell aus, wird er einen oder mehrere der von diesem Modell angesehene Filme auswählen, z.B. eine Dokumentation über die Verschmutzung der Erde durch Plastikmüll oder ein Filmdrama auf der Grundlage der Biographie von Marie Curie. Umgekehrt kann sich der Anwender auch dafür entscheiden, sich einen Film nicht mehr anzusehen, weil sein persönliches Modell diesen nicht in seinem Verhaltensrepertoire hat. Das bedeutet also, dass er ein Element aus seinem eigenen Repertoire entfernt.The user eventually adapts his behavioral repertoire to that of the personal model (111). To do this, he takes over, for example, one or more elements from the behavioral repertoire of the personal model by imitation in his own behavioral repertoire. In the movie selection scenario, if the user selects e.g. the representative technology-oriented model as his personal model, he will select one or more of the movies watched by this model, e.g. a documentary about the pollution of the earth with plastic waste or a drama movie based on the biography of Marie Curie. Conversely, the user can also decide not to watch a film anymore because his personal model does not have it in his behavioral repertoire. So that means he's removing an element from his own repertoire.

Die Entscheidungen im Zusammenhang mit der Auswahl eines persönlichen Modells (110) und der Anpassung des Verhaltensrepertoires (111) können beträchtliche Anforderungen an den Anwender stellen. Daher werden weiter unten zusätzliche Möglichkeiten beschrieben, mit denen die Wiedergabe der repräsentierenden Modelle und ihrer Verhaltensrepertoires (109) unterstützt werden kann. Als Alternative zu der darstellungstechnischen Unterstützung werden zudem Möglichkeiten erörtert, wie auch die letzten beiden Prozesse des Verfahrens automatisiert werden können. The decisions related to the selection of a personal model (110) and the adaptation of the behavioral repertoire (111) can place considerable demands on the user. Therefore, additional possibilities are described below, with which the rendering of the representative models and their behavioral repertoires (109) can be supported. As an alternative to technical support, options are also discussed for automating the last two processes of the procedure.

2 zeigt zentrale Elemente des erfindungsgemäßen Verfahrens in einer allgemeinen Darstellung. Eingangs wird für eine gegebene Verhaltenskategorie die Menge der potenziellen Modelle bestimmt (201), wobei in der Regel auf die Inhalte einer oder mehrerer Datenbanken Bezug genommen wird. Auf der Grundlage ihrer Verhaltensrepertoires werden Teilmengen berechnet (202). Davon werden eine oder mehrere Teilmengen für die spätere Darstellung bestimmt (203). Für jede dieser Teilmengen wird ein repräsentierendes Modell festgelegt (204). Die repräsentierenden Modelle werden mit ihren Verhaltensrepertoires wiedergegeben (205). Der Anwender wählt eines der repräsentierenden Modelle als sein persönliches Modell aus (206) und passt sein Verhaltensrepertoire an das des persönlichen Modells an (207). In 2 übernimmt er das Verhaltenselement „E“. 2 shows central elements of the method according to the invention in a general representation. Initially, for a given category of behavior, the set of potential models is determined (201), typically by reference to the contents of one or more databases. Subsets are computed (202) based on their behavioral repertoires. One or more subsets of these are determined for later display (203). A representative model is defined (204) for each of these subsets. The representative models are presented with their behavioral repertoires (205). The user selects one of the representative models as his personal model (206) and adapts his behavioral repertoire to that of the personal model (207). In 2 he adopts the behavioral element “E”.

3 zeigt zentrale Elemente des erfindungsgemäßen Verfahrens für das Filmauswahl-Szenario. Die Menge von potenziellen Modellen besteht aus den Nutzern eines Streaming-Dienstes (301). Auf der Grundlage der von ihnen angesehenen Filme werden Teilmengen (302) berechnet. Davon werden eine oder mehrere Teilmengen für die spätere Darstellung ausgewählt (303). Für jede dieser ausgewählten Teilmengen wird ein repräsentierendes Modell bestimmt (304). Die repräsentierenden Modelle werden mit ihren Filmrepertoires wiedergegeben (305). Der Anwender wählt eines der repräsentierenden Modelle als sein persönliches Modell aus (306). Schließlich sieht er sich einen oder mehrere Filme aus dem Repertoire des persönlichen Modells an (307). In dem Beispiel handelt es sich um den Film „Tenent“. 3 shows central elements of the method according to the invention for the film selection scenario. The set of potential models consists of the users of a streaming service (301). Subsets (302) are calculated based on the movies they watch. One or more subsets of these are selected for later display (303). For each of these selected subsets, a representative model is determined (304). The representative models are reproduced with their film repertoires (305). The user selects one of the representative models as his personal model (306). Finally, he watches one or more films from the personal model's repertoire (307). In the example it is about the movie "Tenent".

Im Unterschied zu konventionellen Empfehlungsdiensten hebt das erfindungsgemäße Verfahren nicht auf die Ähnlichkeit ab, indem ähnliche andere Personen und/oder ähnliches Verhalten zu dem vom Anwender zuvor gezeigten gesucht werden. Dieser Ansatz der Ermittlung von „Zwillingen“ auf der Personen- und/oder Objektebene bewirkt zwangsläufig, dass die Empfehlungen im Wesentlichen Inhalte umfassen, die dem Anwender ohnehin bereits geläufig sind. Insbesondere für Neulinge in einem Gegenstandsbereich ist es ungünstig, wenn ihre Verhaltensmuster bereits auf ihrem noch niedrigen Niveau gefestigt und perpetuiert werden. Beim erfindungsgemäßen Verfahren wird der Anwender im Gegenteil dazu angeleitet, durch geeignete Wahl von Modellen sein eigenes Verhaltensrepertoire zu erweitern und weiterzuentwickeln. So kann er sich im Filmauswahl-Szenario solche repräsentierenden Modelle aussuchen, die bereits über ein umfangreiches Verhaltensrepertoire verfügen und somit als Filmexperten betrachtet werden können.In contrast to conventional recommendation services, the method according to the invention does not focus on the similarity, in that other people and/or behavior similar to the one previously shown by the user are searched for. This approach of identifying "twins" at the person and/or object level inevitably means that the recommendations essentially include content that the user is already familiar with anyway. It is particularly unfavorable for newcomers to a subject area if their behavioral patterns are already consolidated and perpetuated at their still low level. On the contrary, with the method according to the invention, the user is instructed to expand and further develop his own behavioral repertoire through a suitable choice of models. In the film selection scenario, he can select such representative models that already have an extensive behavioral repertoire and can therefore be regarded as film experts.

Der Verzicht auf die Ähnlichkeit zum Anwender wirkt sich auch positiv auf die Datenauswertung aus. Solche Analysen können dann mit einem größeren zeitlichen Vorlauf durchgeführt werden, bevor dem Anwender eine Empfehlung gegeben wird. Insofern können auf diese Weise auch umfangreiche und/oder komplexe Datenstrukturen analysiert werden, ohne das Anwendererlebnis durch eine große Systemlatenz zu beeinträchtigen.Dispensing with the similarity to the user also has a positive effect on the data analysis. Such analyzes can then be carried out with a longer lead time before the user is given a recommendation. In this respect, extensive and/or complex data structures can also be analyzed in this way without impairing the user experience due to high system latency.

Das erfindungsgemäße Verfahren unterscheidet sich von konventionellen Empfehlungsdiensten zudem dadurch, dass auf das Verhalten Bezug genommen wird, und nicht auf Beurteilungen durch andere Nutzer. Damit wird die eingangs geschilderte Problematik vermieden, dass nur eine kleine Gruppe von Personen berücksichtigt wird, die solche Beurteilungen abgeben. Der verhaltenszentrierte Ansatz spiegelt sich auch darin wider, dass die repräsentierenden Modelle nur durch ihr Verhalten dargestellt werden. Andere und häufig irrelevante bis irreführende Aspekte der Modelle wie z.B. ihr Geschlecht können somit die Auswahl eines persönlichen Modells nicht beeinflussen.The method according to the invention also differs from conventional recommendation services in that reference is made to behavior and not to assessments by other users. This avoids the problem described at the beginning that only a small group of people who make such assessments are taken into account. The behavior-centric approach is also reflected in the fact that the representative models are only represented by their behavior. Other and often irrelevant to misleading aspects of the models such as their gender can therefore not influence the selection of a personal model.

Ein weiterer Vorteil gegenüber konventionellen Empfehlungsdiensten besteht darin, dass das erfindungsgemäße Verfahren auch dann zu guten Ergebnissen führt, wenn der Anwender über keinerlei Fachwissen zu der betrachteten Verhaltenskategorie verfügt, selbst wenn es sich um einen komplexen Gegenstandsbereich handelt. Man muss also selbst kein Filmexperte sein, um geeignete Vorschläge für interessante Filme zu erhalten. Dadurch unterstützt das Verfahren besonders Neulinge und behebt das als „Kaltstart“ bezeichnete Problem konventioneller Empfehlungsdienste, den Mangel an Daten zu erst kürzlich hinzugekommenen Nutzern.A further advantage over conventional recommendation services is that the method according to the invention also leads to good results when the user has no specialist knowledge of the behavior category under consideration, even if the subject area is complex. So you don't have to be a film expert to get suitable suggestions for interesting films. As a result, the method supports newcomers in particular and eliminates the problem of conventional recommendation services known as “cold start”, the lack of data on recently added users.

Eine Anordnung zur rechnergestützten Auswahl von Verhaltensmodellen besteht aus einer Rechnereinheit zur Ermittlung einer Menge von repräsentierenden Modellen mit ihren Verhaltensrepertoires, einer Wiedergabeeinheit zur Darstellung dieser Menge und einer Eingabeeinheit für den Anwender zur Auswahl seines persönlichen Modells. Die Rechnereinheit ist mit Steuer-, Speicher- und Verarbeitungseinheiten ausgestattet, mit denen das Programm ausgeführt wird, das die Empfehlungs- und Auswahlfunktionalitäten erbringt. Als Wiedergabeeinheiten kommen verschiedene Technologien in Frage, insbesondere solche zur Wiedergabe akustischer und visueller Informationen, einschließlich konventioneller Bildschirme von Personal Computern und Smartphones, aber auch VR-Brillen und großflächige Projektionssysteme. Eine oder mehrere Eingabeeinheiten sind dann erforderlich, wenn der Anwender ein repräsentierendes Modell als sein persönliches Modell auswählt und spezifische Inhalte abruft, um sein Verhaltensrepertoire an das des persönlichen Modells anzupassen. Weiter unten werden Ausführungsformen des erfindungsgemäßen Verfahrens dargestellt, in denen auch diese Entscheidungen automatisiert vorgenommen werden, so dass Eingabeeinheiten nur bei bestimmten Konfigurationen erforderlich sind. Wesentliche Elemente der Empfehlungs- und Auswahlfunktionalitäten werden in der Regel über Rechnernetzwerke realisiert, indem z.B. die Datenbanken mit den Informationen zu den potenziellen Modellen auf anderen Rechnereinheiten abgelegt sind. In diesen Fällen ist die lokale Rechnereinheit zusätzlich mit einer Netzwerkeinheit ausgestattet.An arrangement for the computer-assisted selection of behavioral models consists of a computer unit for determining a set of representative models with their behavioral repertoires, a display unit for displaying this set, and an input unit for the user to select his personal model. The computer unit is equipped with control, storage and processing units with which the program that provides the recommendation and selection functionalities is executed. Various technologies can be considered as playback units, in particular those for the playback of acoustic and visual information, including conventional screens of personal computers and smartphones, but also VR glasses and large-scale projection systems. One or more input units are then required when the user selects a representative model as his personal model and retrieves specific content in order to adapt his behavioral repertoire to that of the personal model. Embodiments of the method according to the invention are presented below, in which these decisions are also made automatically, so that input units are only required for certain configurations. Essential elements of the recommendation and selection functionalities are usually implemented via computer networks, e.g. the databases with the information on the potential models are stored on other computer units. In these cases, the local computer unit is additionally equipped with a network unit.

Die Wiedergabe der repräsentierenden Modelle und ihrer Verhaltensrepertoires kann weitere unterstützende Elemente enthalten. Eine Unterstützung des Anwenders kann insbesondere dadurch realisiert werden, dass zusätzlich zu den Verhaltensrepertoires der repräsentierenden Modelle auch deren Beziehungen zu seinem eigen Verhaltensrepertoire dargestellt werden. Eine mögliche Ausführungsform für das Filmauswahl-Szenario zeigt 4. In dem Beispiel wird eine einzelne Ähnlichkeitsdimension verwendet (401). Relativ zum Anwender (402) sind die repräsentierenden Modelle (403, 404, 405) entsprechend ihrer Ähnlichkeiten angeordnet. Die in der Darstellung weiter entfernt gelegenen repräsentierenden Modelle zeigen ein zunehmend unähnliches Verhalten.The rendering of the representative models and their behavioral repertoires may contain other supporting elements. The user can be supported in particular by the fact that, in addition to the behavioral repertoires of the representative models, their relationships to his own behavioral repertoire are also shown. A possible embodiment for the film selection scenario is shown 4 . In the example, a single similarity dimension is used (401). Relative to the user (402), the representative models (403, 404, 405) are arranged according to their similarities. The more distant representative models in the plot show increasingly dissimilar behavior.

Wenn der Anwender sich selbst als Neuling betrachtet, sollte er nicht ein repräsentierendes Modell auswählen, das ihm sehr ähnlich ist (403), denn dann wird dessen Verhaltensrepertoire wenig zu seiner eigenen Weiterentwicklung beitragen können. Der Anwender sollte aber in diesem Fall auch nicht das von ihm am weitesten entfernte repräsentierende Modell auswählen (405), denn dann wird es sich wahrscheinlich um ein Modell handeln, das ihm in seiner Expertise schon zu weit voraus ist. Psychologische Untersuchungen haben gezeigt, dass sich eine solche ausgeprägte Unähnlichkeit von Modellen negativ auf die Erwartung einer Person auswirkt, das Verhalten des Modells erfolgreich nachahmen zu können. Diese Selbstwirksamkeitserwartung wird als die zentrale Voraussetzung für das Beobachtungslernen angesehen. Unter psychologischen Gesichtspunkten ist also für den Anwender ein Modell am besten geeignet, das eine mittlere Ähnlichkeit zu ihm aufweist (404). In einer solchen Darstellung erhält er dann auch über die Zeit eine Rückmeldung, ob er sich tatsächlich seinem persönlichen Modell annähert. Hat eine solche Annäherung stattgefunden, kann er ein anderes repräsentierendes Modell auswählen, das zu diesem Zeitpunkt eine mittlere Ähnlichkeit aufweist, um sich bei der Weiterentwicklung seines Verhaltensrepertoires an diesem Modell zu orientieren.If the user considers himself a novice, he should not choose a representative model that is very similar to him (403), because then his behavioral repertoire will have little to contribute to his own advancement. In this case, however, the user should not select the representative model that is furthest away from him (405), because then it will is probably a model that is already too far ahead of him in terms of expertise. Psychological research has shown that such pronounced dissimilarity of models negatively impacts a person's expectation of being able to successfully mimic the model's behavior. This expectation of self-efficacy is seen as the central prerequisite for observational learning. From a psychological point of view, a model that is moderately similar to the user is best suited to him (404). In such a display, he then also receives feedback over time as to whether he is actually approaching his personal model. Once such an approximation has taken place, he can select another representative model, which at that point in time has a moderate similarity, in order to orientate himself on this model in the further development of his behavioral repertoire.

Wenn der Anwender sich selbst als Filmexperten betrachtet, kann er hingegen ein ihm ähnliches repräsentierendes Modell (403) bevorzugen und dessen Verhaltensrepertoire daraufhin untersuchen, in welcher Weise er noch für seine eigene Weiterentwicklung davon profitieren kann. Als Spezialfall kann der Anwender auch sich selbst als Modell auswählen. Dies ist beispielsweise dann sinnvoll, wenn er durch Wiederholung ein Element seines Verhaltensrepertoires vertiefen möchte, in dem Filmauswahl-Szenario etwa indem er sich den Film „Matrix“ noch einmal ansieht. Dieser Spezialfall wird in der psychologischen Fachliteratur als Selbstmodellierung bezeichnet.On the other hand, if the user regards himself as a film expert, he can prefer a representative model (403) that is similar to himself and examine its behavioral repertoire to see how he can still benefit from it for his own further development. As a special case, the user can also select himself as a model. This makes sense, for example, if he wants to deepen an element of his behavioral repertoire through repetition, in the film selection scenario, for example, by watching the film "Matrix" again. This special case is referred to as self-modeling in the psychological literature.

Ergänzungen der Darstellung können dem Anwender verdeutlichen, auf welchem Wege er sein Verhaltensrepertoire an das seines persönlichen Modells anpassen kann. Ein Beispiel für das Filmauswahl-Szenario zeigt 5. Wieder wird eine einzelne Ähnlichkeitsdimension verwendet (501), auf dem der Anwender (502) und die repräsentierenden Modelle angeordnet sind. Der Anwender hat sich für ein persönliches Modell (503) entschieden. Eine erste Unterstützung besteht darin, in der Darstellung des persönlichen Modells diejenigen Elemente des Repertoires hervorzuheben, die der Anwender noch nicht in seinem Repertoire hat. Im Filmauswahl-Szenario erkennt er dann unmittelbar, welche Filme er sich ansehen sollte (504). Der Anwender kann sich dann z.B. auch dafür entscheiden, dass diese Filme in eine Wiedergabeliste übernommen und automatisch abgespielt werden. Ein umfassenderes Vorgehen besteht in der Hervorhebung aller Unterschiede der beiden Repertoires. Dann sind zudem im Repertoire des Anwenders diejenigen Elemente markiert, die das persönliche Modell nicht in seinem Repertoire hat. Dies impliziert, dass er diese Elemente aus seinem Verhaltensrepertoire entfernen sollte. Im Filmauswahl-Szenario sind das Filme, die sich der Anwender zukünftig nicht mehr ansieht (505).Additions to the representation can make it clear to the user how he can adapt his behavioral repertoire to that of his personal model. An example of the film selection scenario shows 5 . Again a single similarity dimension is used (501) on which the user (502) and the representing models are placed. The user has chosen a personal model (503). A first support consists in emphasizing those elements of the repertoire in the representation of the personal model that the user does not yet have in his repertoire. In the film selection scenario, he then immediately recognizes which films he should watch (504). The user can then decide, for example, that these films are included in a playlist and played automatically. A more comprehensive approach is to highlight all the differences between the two repertoires. The elements that the personal model does not have in its repertoire are also marked in the user's repertoire. This implies that he should remove these elements from his behavioral repertoire. In the film selection scenario, these are films that the user will no longer watch in the future (505).

Der verhaltenszentrierte Ansatz des erfindungsgemäßen Verfahrens kann dahingehend variiert werden, dass zusätzlich Merkmale der potenziellen Modelle verwendet werden, die nicht das Verhalten selbst betreffen. Erstens kann dies bei der Darstellung der repräsentierenden Modelle erfolgen, bei der sie über das Verhaltensrepertoire hinaus durch solche Merkmale charakterisiert werden. Zweitens kann die Analyse der Daten der potenziellen Modelle ebenfalls zusätzlich auf Merkmalen beruhen, die nicht das Verhalten selbst betreffen.The behavior-centric approach of the method according to the invention can be varied in that additional features of the potential models are used that do not relate to the behavior itself. Firstly, this can be done in the representation of the representative models, in which they are characterized by such features beyond the behavioral repertoire. Second, the analysis of the data from the potential models can also be based on additional characteristics that do not concern the behavior itself.

Verhaltenswissenschaftliche Theorien der Lernpsychologie befassen sich primär mit den extrinsischen Ursachen für Verhalten. Danach eignet man sich primär dann Verhalten durch Beobachtungslernen an, wenn man sich davon für sich persönlich eine Belohnung verspricht. Hierbei sind drei Faktoren von zentraler Bedeutung, das Ansehen des Modells, die beobachteten Konsequenzen seines Verhaltens und die erwartete Fähigkeit zur eigenen erfolgreichen Nachahmung des Verhaltens. Das Modell sollte für den Beobachter einen hohen sozialen Status besitzen (z.B. Prominente), es sollte für die Ausführung des Verhaltens belohnt werden und der Beobachter muss den Eindruck haben, dass seine Fähigkeiten und Fertigkeiten ausreichend sind, um dieses Verhalten selbst ausführen zu können (Selbstwirksamkeitserwartung).Behavioral theories of learning psychology deal primarily with the extrinsic causes of behavior. According to this, behavior is primarily acquired through observational learning if one expects a personal reward from it. Three factors are of central importance here, the reputation of the model, the observed consequences of its behavior and the expected ability to successfully imitate the behavior. The model should have a high social status for the observer (e.g. celebrities), it should be rewarded for performing the behavior and the observer must have the impression that their skills and abilities are sufficient to be able to perform this behavior themselves (self-efficacy expectation ).

Bei dem erfindungsgemäßen Verfahren kann man also dem Anwender verdeutlichen, welchen Erfolg man mit dem entsprechenden Repertoire erzielen kann. Im sportlichen Bereich ist ein nationaler oder internationaler Meistertitel ein bevorzugter Grund, um jemanden als sein Vorbild auszuwählen. Weitere mögliche Indikatoren sind das erzielte Einkommen oder die Beliebtheit in den Medien. Andererseits kann das Verhalten für den Anwender teilweise oder auch überwiegend einen intrinsischen Wert haben, wie dies etwa im Filmauswahl-Szenario der Fall ist, so dass sich dann die Wiedergabe von Ergebnisvariablen für das Verhalten des repräsentierenden Modells erübrigt.With the method according to the invention, it is therefore possible to make it clear to the user what success can be achieved with the corresponding repertoire. In the field of sport, a national or international championship title is a prime reason to choose someone as your role model. Other possible indicators are the income earned or popularity in the media. On the other hand, the behavior can have an intrinsic value for the user partly or mainly, as is the case in the film selection scenario, so that the reproduction of result variables for the behavior of the representative model is then unnecessary.

Eine umfangreiche Gruppe von Merkmalen sind solche, die die Person der repräsentierenden Modelle charakterisieren, z.B. Alter, Geschlecht und Nationalität. Letztlich kommen hierbei alle Informationen für eine konkrete und anschauliche Darstellung von Personen in Frage, einschließlich Fotos, Biographien und Persönlichkeitsprofilen. Aus psychologischen Untersuchungen ist bekannt, dass sie bei der Auswahl eines Modells eine zentrale Rolle spielen können. Anderseits stehen solche Variablen häufig in keinem kausalen Zusammenhang zum Verhalten und seinen Ergebnissen und können dann stattdessen in unzweckmäßiger Weise die Auswahl des persönlichen Modells beeinflussen. Insofern ist abzuwägen, ob die Vorteile einer anschaulichen Darstellung von den möglichen Nachteilen kompensiert werden, dass der Anwender durch die Einbeziehung solcher persönlichen Merkmale in seinem Auswahlverhalten fehlgeleitet wird.A large group of features are those that characterize the person represented by the models, eg age, gender and nationality. Ultimately, all information for a concrete and descriptive representation of people comes into question, including photos, biographies and personality profiles. It is known from psychological studies that they can play a central role in the selection of a model. On the other hand, such variables are often not causally related to Ver and its results, and may then inappropriately influence personal model selection instead. In this respect, it must be considered whether the advantages of a clear presentation are offset by the possible disadvantages that the user is misled in his selection behavior by including such personal characteristics.

Die Analyse der Daten der potenziellen Modelle kann ebenfalls zusätzlich auf Merkmalen beruhen, die nicht das Verhalten selbst betreffen. Solche Merkmale können z.B. bei der Vorauswahl von potenziellen Modellen verwendet werden. Wenn etwa bekannt ist, dass das Verhalten eines Modells negative Konsequenzen hatte, kann es automatisch aus der Menge der potenziellen Modelle gestrichen werden.The analysis of the data of the potential models can also additionally be based on characteristics that do not concern the behavior itself. Such features can be used, for example, when pre-selecting potential models. For example, if it is known that a model's behavior had negative consequences, it can be automatically removed from the set of potential models.

Auch können solche Merkmale für die Definition der Variablen zur Quantifizierung der Ähnlichkeit herangezogen werden. Für Sportler kann beispielsweise auf der Grundlage ihrer Ranglisten-Position die Ähnlichkeit ihres Erfolges quantifiziert werden. Die Einbeziehung solcher Variablen ist besonders für Neulinge hilfreich, die noch nicht in der Lage sind, aus dem Verhalten selbst abzuleiten, ob ein repräsentierendes Modell für sie geeignet ist. Sie können sich dann für eine der Teilmengen entscheiden, in denen die erfolgreichen potenziellen Modelle besonders stark vertreten sind.Such features can also be used to define the variables for quantifying the similarity. For example, for athletes, based on their ranking position, the similarity of their success can be quantified. The inclusion of such variables is particularly helpful for novices who are not yet able to infer from behavior itself whether a representative model is appropriate for them. You can then decide on one of the subsets in which the successful potential models are particularly well represented.

Eine weitere Möglichkeit besteht in der Verwendung des Alters der potenziellen Modelle, um entsprechend homogene Teilmengen zu erhalten, so dass sich der Anwender ein persönliches Modell aus seiner Alterskohorte auswählen kann. Dies ist insbesondere in Gegenstandsbereichen sinnvoll, in denen man von einem altersgerechten Verhalten sprechen kann, etwa bei der Filmauswahl. Aber auch hier gilt im Allgemeinen die Einschränkung, dass die Berücksichtigung solcher Variablen gegenüber den damit möglicherweise verbundenen Nachteilen abgewogen werden muss.Another possibility is to use the age of the potential models in order to obtain correspondingly homogeneous subsets, so that the user can select a personal model from his age cohort. This is particularly useful in subject areas in which one can speak of age-appropriate behavior, such as when selecting a film. But again, the general caveat is that the consideration of such variables must be weighed against the possible disadvantages.

Das erfindungsgemäße Verfahren kann dergestalt weiter automatisiert werden, dass dem Anwender die Entscheidung über die Auswahl eines persönlichen Modells mehr oder weniger weitgehend abgenommen wird. Dies betrifft den Prozess (110) in 1. Auf diese Weise kann z.B. eine weitere Stufe einer Schutzfunktion implementiert werden, die den Anwender vor der Auswahl von ungeeigneten oder dysfunktionalen Vorbildern bewahrt. Dieses Prinzip kann darin münden, dass vom Verfahren die Auswahl auf ein einzelnes repräsentierendes Modell eingegrenzt wird. Eine solche automatische Auswahl des persönlichen Modells ist z.B. dann sinnvoll, wenn es sich bei dem Anwender um einen Neuling in dem entsprechenden Gegenstandsbereich handelt und er deshalb die Eignung von Modellen noch nicht einschätzen kann. Wie oben beschrieben, sind aus einer lernpsychologischen Perspektive für einen Neuling sowohl sehr ähnliche als auch sehr unähnliche Modelle wenig geeignet. Da nicht vorausgesetzt werden kann, dass der Anwender über ein solches Fachwissen verfügt, ist es sinnvoll, wenn die Auswahl eines Modells mit einer mittleren Ähnlichkeit zum Anwender vom Verfahren vorgenommen wird. 6 zeigt die Anwendung dieses Prinzips für die in 4 dargestellte Situation. Von den ursprünglich vom Verfahren bestimmten repräsentierenden Modellen (603, 604, 605) werden automatisch solche mit einer großen Ähnlichkeit und solche mit einer großen Unähnlichkeit zum Anwender (603, 605) aus der Ergebnisdarstellung entfernt (606). Diese Filterfunktion kann mit anderen Kriterien kombiniert werden, etwa indem ein repräsentierendes Modell ausgewählt wird, das ein ähnliches Alter wie der Anwender hat und eine mittlere Ähnlichkeit des Verhaltensrepertoires aufweist. Die Filterfunktion für die repräsentierenden Modelle kann auch auf Methoden der künstlichen Intelligenz beruhen.The method according to the invention can be further automated in such a way that the decision on the selection of a personal model is more or less largely taken away from the user. This affects the process (110) in 1 . In this way, a further level of a protective function can be implemented, for example, which protects the user from selecting unsuitable or dysfunctional models. This principle can result in the process limiting the selection to a single representative model. Such an automatic selection of the personal model makes sense, for example, when the user is a newcomer to the relevant subject area and is therefore not yet able to assess the suitability of models. As described above, from a learning psychology perspective, both very similar and very dissimilar models are not very suitable for a novice. Since it cannot be assumed that the user has such specialist knowledge, it makes sense if the selection of a model with a medium similarity to the user is made by the method. 6 shows the application of this principle for the in 4 depicted situation. Of the representative models (603, 604, 605) originally determined by the method, those with a high level of similarity and those with a high level of dissimilarity to the user (603, 605) are automatically removed from the result representation (606). This filter function can be combined with other criteria, for example by selecting a representative model that is similar in age to the user and has an average similarity in behavioral repertoire. The filter function for the representative models can also be based on artificial intelligence methods.

Das erfindungsgemäße Verfahren kann weiter dahingehend automatisiert werden, dass dem Anwender die Entscheidung über die Form der Anpassung seines Verhaltensrepertoires an das seines persönlichen Modelles mehr oder weniger vollständig abgenommen wird. Dies betrifft den Prozess (111) in 1. Dieses Prinzip kann darin münden, dass das Verfahren die Auswahl auf ein einzelnes Verhaltenselement eingrenzt, das als nächstes zur Nachahmung durch den Anwender vorgeschlagen wird.The method according to the invention can also be automated in such a way that the user is more or less completely relieved of the decision on how to adapt his behavioral repertoire to that of his personal model. This concerns the process (111) in 1 . This principle can result in the method narrowing the choice to a single behavioral element that is next suggested for imitation by the user.

Bei der Ermittlung einer entsprechenden Empfehlung können zunächst weniger interessante oder ungeeignete Elemente des Verhaltensrepertoires entfernt werden. Beispielsweise kann eine Filterfunktion implementiert werden, mit der eine Wiederholung von Verhaltenselementen vermieden wird. Das heißt, das Verfahren entfernt diejenigen Elemente aus dem Verhaltensrepertoire des persönlichen Modells, die der Anwender bereits in seinem eigenen Repertoire hat. 7 zeigt die Anwendung dieses Prinzips für die in 4 dargestellte Situation des Filmauswahl-Szenarios. Aus der Ergebnisdarstellung für die vom Verfahren bestimmten repräsentierenden Modelle (703, 704, 705) werden automatisch diejenigen Filme entfernt, die der Anwender bereits angesehen hat (706).When determining a corresponding recommendation, less interesting or inappropriate elements of the behavioral repertoire can be removed first. For example, a filter function can be implemented to avoid repeating behavior elements. That is, the method removes from the personal model's behavioral repertoire those elements that the user already has in his own repertoire. 7 shows the application of this principle for the in 4 presented situation of the film selection scenario. Those films which the user has already viewed (706) are automatically removed from the result display for the representative models (703, 704, 705) determined by the method.

Wie bei der automatisierten Auswahl von repräsentierenden Modellen kann die Filterfunktion für die Verhaltensrepertoires auch auf Methoden der künstlichen Intelligenz beruhen. Im Filmauswahl-Szenario kann das Repertoire des persönlichen Modells auf Filme mit Gewaltdarstellungen hin untersucht werden, um diese auszuschließen. Hierzu kann mit Methoden des Deep Learning auf der Grundlage von Beispielen für Szenen mit und ohne Gewaltdarstellungen ein künstliches neuronales Netzwerk daraufhin trainiert werden, diese zuverlässig zu erkennen und zutreffend zu klassifizieren.As with the automated selection of representative models, the filter function for the behavioral repertoires can also be based on artificial intelligence methods. In the film selection scenario, the repertoire of the personal model can be examined for films with violent depictions in order to exclude them. For this An artificial neural network can be trained using deep learning methods based on examples of scenes with and without depictions of violence to reliably recognize and correctly classify them.

Ein allgemeines Prinzip zur Bestimmung der Empfehlung kann auf dem Kriterium beruhen, dass mit der empfohlenen Repertoireänderung eine größtmögliche Annäherung an das Repertoire des persönlichen Modells bewirkt wird. Das Verfahren kann also auf der Grundlage der Clusteranalyse für mögliche Repertoireänderungen berechnen, in welchem Maße sich dann die Ähnlichkeit von Anwender und persönlichem Modell erhöht, um die Repertoireänderung mit dem größten Effekt vorschlagen.A general principle for determining the recommendation can be based on the criterion that the recommended repertoire change brings about the closest possible approximation to the repertoire of the personal model. On the basis of the cluster analysis for possible repertoire changes, the method can therefore calculate the extent to which the similarity between user and personal model then increases in order to propose the repertoire change with the greatest effect.

Die automatische Auswahl von Modellen und Verhalten kann kombiniert auf die automatische Wiedergabe eines bestimmten Elements aus dem Verhaltensrepertoire eines bestimmten persönlichen Modells hinauslaufen. Das heißt, das Verfahren unterbreitet dem Anwender einen konkreten Vorschlag, welches repräsentierende Modell ihm als bestmögliches Vorbild dient und mit welchem Verhaltenselement er sein Repertoire im nächsten Schritt weiterentwickeln sollte. Ein solches Vorgehen bietet sich insbesondere dann an, wenn man den Anwender vollständig von Entscheidungen entlasten möchte, etwa weil er primär mit anderen Dingen befasst ist und solche Entscheidungen ihn davon ablenken würden. Ein Anwendungsbeispiel ist die automatische Erzeugung von Wiedergabelisten für Audio- oder Videodateien.The combination of automatic selection of models and behaviors may result in the automatic rendering of a particular element from a particular personal model's behavioral repertoire. This means that the procedure makes a concrete suggestion to the user as to which representative model serves as the best possible example and which behavioral element he should use to further develop his repertoire in the next step. Such an approach is particularly useful if you want to completely relieve the user of decisions, for example because he is primarily concerned with other things and such decisions would distract him from them. An application example is the automatic creation of playlists for audio or video files.

Die vom Verfahren vorgenommene Einteilung der potenziellen Modelle in Teilmengen kann mehr oder weniger weit aufgefächert sein, wobei die Einteilung dem Anwender evtl. zu differenziert oder umgekehrt zu wenig differenziert ist. Dann ist es sinnvoll, dass der Anwender den Grad der Differenzierung selbst auswählen kann. Hierfür ist eine Navigationsphase vorgesehen, in der der Anwender eine Teilmenge von potenziellen Modellen auswählen kann, um für diese eine differenziertere oder weniger differenzierte Einteilung in Teilmengen zu erhalten, bis aus der Einteilung ein repräsentierendes Modell hervorgeht, das der Anwender als sein persönliches Modell auswählen möchte. Das Grundprinzip dieses Vorgehens ist in 8 dargestellt. Nach der Wiedergabe der repräsentierenden Modelle und ihrer Verhaltensrepertoires (809) überprüft der Anwender, ob die Aufteilung in Teilmengen für ihn geeignet ist (810). Wenn nein, wird von dem Verfahren eine neue Zuordnung der potenziellen Modelle zu den Teilmengen vorgenommen (806) und diese Zuordnung zur erneuten Überprüfung durch den Anwender wiedergegeben (809). Wenn die Aufteilung für den Anwender schließlich geeignet ist (810), wählt er eines der repräsentierenden Modelle als sein persönliches Modell aus (811) und passt sein Verhaltensrepertoire an das des persönlichen Modells an (812).The classification of the potential models into subsets carried out by the method can be more or less fanned out, with the classification possibly being too differentiated for the user or, conversely, not differentiated enough. Then it makes sense that the user can select the degree of differentiation himself. A navigation phase is provided for this, in which the user can select a subset of potential models in order to obtain a more or less differentiated classification into subsets for these, until the classification results in a representative model which the user wishes to select as his personal model . The basic principle of this procedure is 8th shown. After rendering the representative models and their behavioral repertoires (809), the user checks whether the subset is appropriate for him (810). If no, the method reassigns the potential models to the subsets (806) and returns that association for reconsideration by the user (809). Finally, when the partition is appropriate for the user (810), he selects one of the representative models as his personal model (811) and adapts his behavioral repertoire to that of the personal model (812).

Werden die Daten zu den potenziellen Modellen in einer Clusteranalyse ausgewertet, kann man die Beziehungen zwischen den Teilmengen mit einer hierarchischen Clusteranalyse ermitteln. Beim divisiven Verfahren beispielsweise werden zunächst alle Objekte als zu einem Cluster gehörig betrachtet und dann schrittweise die bereits gebildeten Cluster in immer kleinere Cluster aufgeteilt, bis jeder Cluster nur noch aus einem einzelnen Objekt besteht. Im Folgenden werden die übergeordneten Cluster als Eltern-Teilmengen und die untergeordneten Cluster als Kind-Teilmengen bezeichnet. Die resultierende Struktur der Teilmengen kann als Dendrogramm visualisiert werden.If the data on the potential models is evaluated in a cluster analysis, the relationships between the subsets can be determined using a hierarchical cluster analysis. In the divisive method, for example, all objects are initially considered to belong to one cluster and then the clusters that have already formed are divided step by step into smaller and smaller clusters until each cluster consists of only a single object. In the following, the higher-level clusters are referred to as parent subsets and the lower-level clusters as child subsets. The resulting structure of the subsets can be visualized as a dendrogram.

In 9 ist dieses Vorgehen für das Filmauswahl-Szenario dargestellt. In dem Beispiel wird eine einzelne Ähnlichkeitsdimension verwendet (901). Relativ zum Anwender (902) sind zwei repräsentierende Modelle (903, 906) entsprechend ihrer Ähnlichkeiten angeordnet. Diese Einteilung ist dem Anwender zu grob, er möchte stattdessen eine differenzierte Darstellung der Teilmenge, die hinter dem repräsentierenden Modell (903) steht. Er möchte also die weitere Verzweigung in diesem Ast der Hierarchie explorieren. Hierzu klickt er das repräsentierende Modell (903) an und erhält eine Aufteilung in zwei Kind-Teilmengen, die von den repräsentierenden Modellen (904) bzw. (905) vertreten werden. Für jede dieser Teilmengen kann der Anwender eine weiter differenzierte Einteilung anfordern, bis er schließlich zu einem einzelnen potenziellen Modell gelangt. Der Anwender kann aber auch umgekehrt zu einer weniger differenzierten Einteilung zurückkehren, indem er eines der repräsentierenden Modelle (904, 905) anklickt, um zu der Eltern-Teilmenge und ihrem repräsentierenden Modell (903) zurückzuspringen. Insgesamt kann er also gewissermaßen in den Modellraum hinein- und wieder herauszoomen, bis er eine Teilmenge entdeckt, deren repräsentierendes Modell er als sein persönliches Modell übernehmen möchte.In 9 This procedure is shown for the film selection scenario. In the example, a single similarity dimension is used (901). Relative to the user (902), two representative models (903, 906) are arranged according to their similarities. This classification is too rough for the user, who instead wants a differentiated representation of the subset behind the representative model (903). So he wants to explore the further branching in this branch of the hierarchy. To do this, he clicks on the representative model (903) and receives a division into two child subsets, which are represented by the representative models (904) and (905) respectively. For each of these subsets, the user can request a further differentiated classification until he finally arrives at a single potential model. Conversely, the user can return to a less sophisticated classification by clicking on one of the representative models (904, 905) to jump back to the parent subset and its representative model (903). Overall, he can, so to speak, zoom in and out of the model space until he discovers a subset whose representative model he would like to adopt as his personal model.

Es ist sinnvoll, dass das erfindungsgemäße Verfahren einen Speicher für die vorangegangenen Interaktionen mit dem Anwender hat. Diese Informationen sollten bei der nachfolgenden Bestimmung und Darstellung der repräsentierenden Modelle und ihrer Verhaltensrepertoires berücksichtigt werden. Wenn sich beispielsweise der Anwender bei der vorangegangenen Sitzung n - 1 für ein bestimmtes repräsentierendes Modell als persönliches Modell entschieden hat, sollte ihm für die folgende Sitzung n sein persönliches Modell an erster Position und die anderen repräsentierenden Modelle in absteigender Ähnlichkeit zu diesem dargestellt werden. Hat er sich in der Sitzung n - 1 für ein bestimmtes Verhaltenselement entschieden und dieses in sein Repertoire aufgenommen, sollte in der Sitzung n dieses Verhaltenselement entsprechend markiert und das nächste Verhaltenselement in dem Verhaltensrepertoire seines persönlichen Modells zur Nachahmung angeboten werden.It makes sense that the method according to the invention has a memory for the previous interactions with the user. This information should be considered in the subsequent identification and presentation of the representative models and their behavioral repertoires. For example, if the user chose a particular representative model as his personal model in the previous session n-1, then for the following session n his personal model should be presented first and the other representative models should be presented in descending order of similarity to it. Did he himself If, in session n-1, he decided on a certain behavioral element and included it in his repertoire, in session n this behavioral element should be marked accordingly and the next behavioral element in the behavioral repertoire of his personal model should be offered for imitation.

Dieses Prinzip ist insbesondere dann von Bedeutung, wenn der Anwender sich in einer Navigationsphase für eine spezielle Aufteilung der Teilmengen entschieden hat. Wenn sich der Anwender z.B. in 9 bei der Sitzung n - 1 für das repräsentierende Modell (905) als sein persönliches Modell entschieden hat, wird ihm bei der Sitzung n wieder zunächst dieses Modell dargestellt, relativ zu dem der Anwender dann in der Hierarchie navigieren kann, wenn er nun ein anderes repräsentierendes Modell als sein persönliches Modell auswählen möchte. Wenn ihm bei der Sitzung n - 1 ein bestimmter Film angeboten wurde und er diese Option in sein Repertoire aufgenommen hat, wird bei der folgenden Sitzung n dieser Film als angesehen markiert und ihm der Film angeboten, der als nächstes in dem Verhaltensrepertoire seines persönlichen Modells aufgeführt ist.This principle is particularly important when the user has decided on a special division of the subsets in a navigation phase. For example, if the user is in 9 has decided in session n-1 for the representative model (905) as his personal model, in session n this model is presented to him again first, relative to which the user can then navigate in the hierarchy if he now chooses another representative model as his personal model. If at session n-1 he was offered a particular movie and added that option to his repertoire, at the following session n that movie will be marked as watched and offered the movie that is next in his personal model's behavioral repertoire is.

Als Alternative zum oder in Kombination mit dem repräsentierenden Modell können die Teilmengen potenzieller Modelle auch durch abstraktere Variablen beschrieben werden. Dabei wird es sich in der Regel um statistische Kennwerte handeln, z.B. die Anzahl der potenziellen Modelle in einer Teilmenge, ihr mittleres Alter und ihre Geschlechterverteilung. Aus der Anzahl der potenziellen Modelle lässt sich beispielsweise für den Anwender absehen, ob die Teilmenge in ihrem Verhalten eine Hauptströmung vertritt oder eher alternative und/oder individuelle Verhaltensmuster aufweist. Dann kann der Anwender für sich entscheiden, welchen Typus von Repertoire er selbst aufbauen und weiterentwickeln möchte.As an alternative to or in combination with the representative model, the subsets of potential models can also be described by more abstract variables. These will usually be statistical parameters, e.g. the number of potential models in a subset, their mean age and their gender distribution. From the number of potential models, the user can see, for example, whether the behavior of the subset represents a mainstream or whether it has alternative and/or individual behavior patterns. Then the user can decide for himself which type of repertoire he would like to build up and develop further.

Die statistischen Kennwerte können dazu benutzt werden, die Teilmengen durch synthetische Modelle zu beschreiben. In einem synthetischen Modell werden die Informationen zu allen potenziellen Modellen einer Teilmenge integriert. Wird z.B. eine Clusteranalyse verwendet, ist die genaueste Beschreibung einer Teilmenge von potenziellen Modellen das Zentrum des entsprechenden Clusters. Allerdings ist das Zentrum in der Regel nicht von einem realen Modell besetzt. Deshalb wurde bisher davon ausgegangen, dass als die bestmögliche Annäherung dasjenige Modell als repräsentierendes Modell verwendet wird, das diesem Zentrum am nächsten liegt. Stattdessen kann man auch ein synthetisches Modell und dessen hypothetisches Verhalten errechnen, das der Person entspricht, die sich im Zentrum des Clusters befinden würde. Allerdings sind dessen Verhaltenselemente dann nicht mehr eindeutig bestimmt, sondern werden durch Wahrscheinlichkeiten beschrieben. Im Filmauswahl-Szenario wird dann von einem synthetischen Modell z.B. nicht mehr eindeutig Film A ausgewählt und Film B nicht angesehen, sondern Film A zu 95 % und Film B zu 10 % ausgewählt.The statistical parameters can be used to describe the subsets using synthetic models. In a synthetic model, the information about all potential models of a subset is integrated. For example, when using a cluster analysis, the most accurate description of a subset of potential models is the center of the corresponding cluster. However, the center is usually not occupied by a real model. For this reason, it was previously assumed that the model used as the representative model as the best possible approximation is that which is closest to this center. Alternatively, one can calculate a synthetic model and its hypothetical behavior that corresponds to the person who would be at the center of the cluster. However, its behavioral elements are then no longer clearly determined, but are described by probabilities. In the film selection scenario, a synthetic model, for example, no longer clearly selects film A and does not watch film B, but selects 95% of film A and 10% of film B.

Die anschaulichere und die abstraktere Vorgehensweise haben ihre jeweiligen Vor- und Nachteile. Bei dem statistischen Ansatz ist hervorzuheben, dass sich damit zufällige Ereignisse, die das Verhalten eines einzelnen repräsentierenden Modells beeinflussen, weniger stark auswirken. Beispielsweise kann das repräsentierende Modell einen bestimmten Film nur teilweise angesehen haben, nicht weil der Film uninteressant ist sondern weil zufälligerweise der Akku seiner Wiedergabeeinheit leer war. Man kann es auch dem Anwender überlassen, ob er eine von beiden Darstellungsformen oder vielleicht auch ihre Kombination bevorzugt und ihm ggf. auch ein flexibles Umschalten zwischen diesen Alternativen ermöglichen.The clearer and the more abstract approach have their respective advantages and disadvantages. With the statistical approach, it should be emphasized that random events that influence the behavior of a single representative model have less of an impact. For example, the representing model may only have partially watched a particular movie, not because the movie is uninteresting, but because its display unit accidentally ran out of battery power. You can also leave it up to the user whether he prefers one of the two forms of representation or perhaps a combination of them and, if necessary, also enable him to switch flexibly between these alternatives.

Der Anwender und die Verhaltensmodelle sollten unter bestimmten Bedingungen die Möglichkeit haben, miteinander zu kommunizieren, damit der Anwender z.B. aus erster Hand etwas über die Beweggründe für ein bestimmtes Verhalten in Erfahrung bringen kann. In der Grundausführung des erfindungsgemäßen Verfahrens wurde allerdings darauf verzichtet, denn alleine das Wissen einer Person um seine Rolle als mögliches Modell kann sie dazu veranlassen, sich gezielt als persönliches Modell anzubieten, z.B. indem sie ihr Verhalten im Sinne einer sozialen Erwünschtheit anpasst oder durch ein besonderes Verhalten Aufmerksamkeit erregen will. Andererseits gibt es Gegenstandsbereiche, in denen man erwarten kann, dass solche Effekte vernachlässigbar sind. Bei der Filmauswahl beispielsweise ist davon auszugehen, dass die Nutzer weiterhin die Auswahl aufgrund ihrer eigenen Interessen und Bedürfnisse vornehmen. Dann ist es sinnvoll, dass der Betreiber des Streaming-Dienstes Kommunikationskanäle vorsieht, über die sich der Anwender mit Verhaltensmodellen über ihre Filmauswahl austauschen kann und so auf eine zusätzliche Weise von ihren Erfahrungen profitiert.The user and the behavior models should be able to communicate with each other under certain conditions, so that the user can, for example, find out first-hand about the motives for a certain behavior. However, this was not done in the basic version of the method according to the invention, because the mere knowledge of a person about his role as a possible model can prompt him to offer himself as a personal model, e.g. by adapting his behavior in terms of social desirability or through a special one behavior intended to attract attention. On the other hand, there are subject areas where such effects can be expected to be negligible. When it comes to film selection, for example, it can be assumed that users will continue to make their selection based on their own interests and needs. Then it makes sense for the operator of the streaming service to provide communication channels through which the user can exchange information about their film selection with behavioral models and thus benefit from their experiences in an additional way.

Die Kommunikation kann auf direktem und/oder indirektem Wege erfolgen. Eine direkte Kommunikation erfolgt z.B. über Instant-Messaging-Systeme. Eine indirekte Kommunikation liegt dann vor, wenn ein Verhaltensmodell sein Repertoire überarbeitet, um den Anwender bei dessen Übernahme zusätzlich zu unterstützen. Beispielsweise kann das Modell die Elemente seines Repertoires nach der persönlichen Präferenz sortieren, so dass der Anwender leichter die für ihn attraktivsten Elemente herausfindet. Das Modell kann auch Elemente aus seinem Repertoire entfernen, weil es zwischenzeitlich eingesehen hat, dass diese überflüssig oder sogar schädlich für seine persönliche Entwicklung waren. Im Filmauswahl-Szenario sollte das Modell z.B. solche Filme kennzeichnen, deren Betrachtung es inzwischen als Zeitverschwendung ansieht. Zudem kann das Modell Elemente zu seinem Repertoire hinzufügen, von denen es in der Rückschau der Meinung ist, dass sie eine sinnvolle Unterstützung für seine persönliche Entwicklung gewesen wären. Ein solchermaßen überarbeitetes Verhaltensrepertoire sollte für den Anwender erkennbar sein, indem die relativ zum ursprünglichen Repertoire entfernten und hinzugefügten Elemente entsprechend markiert sind.Communication can be direct and/or indirect. Direct communication takes place, for example, via instant messaging systems. Indirect communication occurs when a behavioral model revises its repertoire to provide additional support to the user in adopting it. For example, the model can sort the elements of its repertoire according to personal preference, making it easier for the user to find the elements that are most attractive to him. The model can also consist of elements remove them from their repertoire because in the meantime they have realized that they were superfluous or even harmful to their personal development. For example, in the movie selection scenario, the model should flag those movies that it now considers a waste of time to watch. In addition, the model may add items to its repertoire which, in retrospect, it feels would have been useful support for its personal development. Such a revised behavioral repertoire should be recognizable to the user by marking the elements removed and added relative to the original repertoire accordingly.

Die Möglichkeit zur Kommunikation ist aber in einigen Gegenstandsbereichen kritisch zu sehen, insbesondere wenn die Entscheidungen des Anwenders kommerzielle Interessen berühren, etwa bei der Produktauswahl bei einem Onlineversandhändler. Dann muss man erwarten, dass Versuche unternommen werden, das Verhalten des Anwenders zu manipulieren. Die Betreiber solcher Plattformen sollten dann die Vorteile und Nachteile der Möglichkeit zur Kommunikation mit Verhaltensmodellen abwägen und gegebenenfalls Vorkehrungen treffen, mit denen der Anwender geschützt ist. Beispielsweise ist es naheliegend, potenzielle Modelle von dem erfindungsgemäßen Verfahren auszuschließen, deren Verhalten einen manipulativen Charakter aufweist.However, the possibility of communication is to be viewed critically in some subject areas, especially if the user's decisions affect commercial interests, for example when selecting a product from an online mail order company. Then you have to expect that attempts will be made to manipulate the behavior of the user. The operators of such platforms should then weigh up the advantages and disadvantages of the possibility of communicating with behavioral models and, if necessary, take precautions to protect the user. For example, it is obvious to exclude potential models from the method according to the invention whose behavior has a manipulative character.

Ausführungsbeispieleexemplary embodiments

Die Erfindung eignet sich für verschiedene Gegenstandsbereiche. Erstens handelt es sich dabei um Bereiche, in denen sich in letzter Zeit verstärkt Empfehlungsdienste etabliert haben. Zunächst wurde zur Illustration der grundlegenden Prinzipien auf die Filmauswahl Bezug genommen. Andere Felder sind beispielsweise die Nachrichtenauswahl und die Produktauswahl. Zweitens kann die Erfindung auch in Bereichen mit Verhaltensrepertoires angewendet werden, die über einzelne Entscheidungen hinausgehen und komplexere Verhaltensmuster beinhalten, wie sie für die klassischen Anwendungsfelder des Beobachtungslernens charakteristisch sind. The invention is suitable for various subject areas. First, these are areas in which recommendation services have recently become more established. Reference was first made to film selection to illustrate the basic principles. Other fields are, for example, the news selection and the product selection. Secondly, the invention can also be applied in areas with behavioral repertoires that go beyond individual decisions and include more complex behavioral patterns, as are characteristic of the classic application fields of observational learning.

Hierzu zählt z.B. das Verhalten in sozialen Netzwerken. Im Folgenden wird das erfindungsgemäße Verfahren anhand von drei Ausführungsbeispielen detailliert dargestellt, die Nachrichtenauswahl, die Produktauswahl und das Verhalten in sozialen Netzwerken.This includes, for example, behavior in social networks. The method according to the invention is presented in detail below using three exemplary embodiments, the message selection, the product selection and behavior in social networks.

Nachrichtenauswahlmessage selection

In diesem Ausführungsbeispiel unterstützt das erfindungsgemäße Verfahren den Anwender bei der Nachrichtenauswahl. Wie im Filmauswahl-Szenario hat man dabei eine große Zahl von Alternativen, etwa wenn das Angebot eines Online-Nachrichtenportals zur Verfügung steht. Und selbst diese Menge ist schon reduziert, sie wäre weitaus umfangreicher, wenn die Meldungen eines größeren Nachrichtendienstes ungefiltert ausgeben würden. Deshalb wird die Menge der potenziellen Nachrichten z.B. nach journalistischen Kriterien gesichtet und nur ein kleiner Teil davon dem Anwender angeboten. Damit werden ihm aber auch Nachrichten vorenthalten, an denen er Interesse haben könnte.In this exemplary embodiment, the method according to the invention supports the user in selecting the message. As in the film selection scenario, there are a large number of alternatives, for example if an online news portal is available. And even this amount is already reduced, it would be far more comprehensive if the reports of a larger intelligence service were to be issued unfiltered. Therefore, the amount of potential news is e.g. viewed according to journalistic criteria and only a small part of it is offered to the user. However, this also prevents him from receiving messages that he might be interested in.

Eine zweite Filterung findet durch den Anwender selbst statt. Er geht durch die aufgeführten Nachrichten und versucht, auf der Grundlage der Überschrift und des Vorspanns herauszufinden, welche davon es wert ist, vollständig gelesen zu werden. In einer solchen Situation greift der Anwender zwangsläufig auf Methoden der Komplexitätsreduktion zurück, indem er sich auf einzelne und leicht zu beurteilende Merkmale beschränkt. Bei der Beurteilung spielen dann Schlüsselwörter und -bilder eine große Rolle, z.B. die Erwähnung von Prominenten und die Nennung von Reizthemen wie Geld und Gewalt. Diese Methoden der Komplexitätsreduktion haben auch einen negativen Einfluss auf die Autoren, indem sie ihre Anstrengungen auf solche Merkmale fokussieren. Dadurch wird die thematische Vielfalt der Nachrichtenlandschaft auf einige wenige Personen und Themen reduziert. Hinzu kommen Methoden, mit denen der Auswahlprozess des Anwenders gezielt in die Irre geführt wird. Beim Clickbaiting etwa werden Inhalte mit einem „Köder“ angepriesen, z.B. einer reißerischen Überschrift und/oder einem auffallenden Foto, um die Neugier des Lesers auf den Artikel selbst zu wecken, der dann häufig die Erwartungen gar nicht erfüllt. Deshalb ist es sinnvoll, dass der Anwender bei der Auswahl der Nachrichten unterstützt wird.A second filtering takes place by the user himself. He goes through the listed messages, trying to figure out which ones are worth reading in full based on the headline and introductory text. In such a situation, the user inevitably resorts to methods of complexity reduction by limiting himself to individual and easily assessable features. Key words and images then play a major role in the assessment, e.g. the mention of celebrities and the mention of sensitive topics such as money and violence. These complexity reduction methods also have a negative impact on authors by focusing their efforts on such features. This reduces the thematic diversity of the news landscape to a few people and topics. There are also methods with which the user's selection process is deliberately misled. For example, clickbaiting involves promoting content with a "bait," such as a lurid headline and/or a striking photo, to pique the reader's curiosity about the article itself, which often fails to live up to expectations. Therefore it makes sense that the user is supported in the selection of the messages.

In dem Ausführungsbeispiel wird also als Verhaltenskategorie die Nachrichtenauswahl behandelt. Als Menge von potenziellen Verhaltensmodellen werden die Nutzer eines Online-Nachrichtenportals definiert. Dabei werden allerdings nur solche Nutzer berücksichtigt, die gewisse Schwellenwerte für die Anzahl der gelesenen Artikel und die Summe der damit verbrachten Zeit übersteigen, und somit über eine ausgewiesene Expertise verfügen.In the exemplary embodiment, the message selection is thus treated as a behavior category. The users of an online news portal are defined as a set of potential behavior models. However, only those users are taken into account who exceed certain thresholds for the number of articles read and the sum of the time spent on them, and thus have proven expertise.

Für diese Verhaltenskategorie und diese Menge von potenziellen Modellen wird eine Datenstruktur erstellt. Dabei ist jedem potenziellen Modell ein Datensatz zugeordnet, bestehend aus der Kennung für das Modell sowie seinem Auswahl- und Leseverhalten. In dem Datensatz werden alle verfügbaren Artikel berücksichtigt, deren Veröffentlichung maximal einen bestimmten Zeitraum zurückliegt, z.B. drei Tage, um die Aktualität der Nachrichten sicherzustellen. Jeder dieser Artikel wird durch die Lesezeit beschrieben, die das potenzielle Modell dafür aufgewendet hat. Ein Wert von 0 bedeutet also, dass der Artikel gar nicht gelesen wurde. Zusätzlich sollte man die Länge der Artikel berücksichtigen. Hierzu errechnet man z.B. aus der Anzahl der Worte die sogenannte geschätzte Lesezeit (Estimated Reading Time). Die tatsächliche Lesezeit dividiert man dann durch die geschätzte Lesezeit. Diese Variable wird im Folgenden als Lesezeitquotient bezeichnet. Aus diesem Wert kann man ersehen, wenn bereits nach kurzer Zeit das Lesen eines Artikels beendet wurde, weil er z.B. infolge von Clickbaiting nicht das gehalten hat, was sein Vorspann erwarten ließ.A data structure is created for this category of behavior and this set of potential models. Each potential model is assigned a data record consisting of the identifier for the model and its selection and reading behavior. All available articles that were published no more than a certain period of time ago, eg three days, are taken into account in the data record in order to ensure that the news is up-to-date. Each of these articles is described by the time the potential model spent reading it. A value of 0 means that the article was not read at all. In addition, one should consider the length of the articles. To do this, the so-called Estimated Reading Time is calculated from the number of words, for example. The actual reading time is then divided by the estimated reading time. This variable is referred to below as the reading time quotient. From this value you can see if the reading of an article was stopped after a short time because, for example, as a result of clickbaiting, it did not live up to what the introductory text suggested.

Auf der Grundlage der Lesezeitquotienten für die Artikel werden die potenziellen Modelle Teilmengen zugeordnet. Diese Zuordnung erfolgt mit einer Clusteranalyse. Da sie ein deskriptives Verfahren ist, das auch dann zu einem Ergebnis kommt, wenn die zugrundeliegenden Ähnlichkeitsdaten nur eine schwache oder gar keine Systematik aufweisen, ist eine Validierung der Ergebnisse sinnvoll. Eine solche Validierung kann man durchführen, indem man die Lösungen hierarchischer Verfahren mit K-Means-Lösungen vergleicht oder mit Monte-Carlo-Verfahren den Einfluss der Startbedingungen auf die Ergebnisse von K-Means-Verfahren exploriert. Fällt die Validierung nicht überzeugend aus, wird die Clusteranalyse mit geänderten Parametern wiederholt.Based on the read time quotients for the articles, the potential models are assigned to subsets. This assignment is made with a cluster analysis. Since it is a descriptive method that also comes to a result if the underlying similarity data show only a weak systematic or no systematic at all, it makes sense to validate the results. Such a validation can be performed by comparing the solutions of hierarchical methods with k-means solutions or by exploring the influence of the starting conditions on the results of k-means methods using Monte Carlo methods. If the validation is not convincing, the cluster analysis is repeated with changed parameters.

Jede Teilmenge wird durch ein repräsentierendes Modell beschrieben. Dabei handelt es sich um dasjenige potenzielle Modell, das dem Zentrum des entsprechenden Clusters am nächsten ist. Danach werden für den Anwender die repräsentierenden Modelle und ihre Verhaltensrepertoires wiedergegeben. Die repräsentierenden Modelle werden nach Ähnlichkeit sortiert, und zwar relativ zu demjenigen Modell, das die größte Teilmenge von potenziellen Modellen repräsentiert. Die Sortierung erfolgt auf der Grundlage der Gesamtähnlichkeit, die z.B. unter Bezug auf die euklidische Distanz berechnet werden kann. Wenn der Anwender bereits eine Reihe von Artikeln gelesen hat, können die repräsentierenden Modelle auch relativ zu ihm sortiert werden. Damit wird wiedergegeben, wie ähnlich oder unähnlich sein eigenes Verhalten dem der repräsentierenden Modelle ist.Each subset is described by a representative model. This is the potential model closest to the center of the corresponding cluster. The representative models and their behavioral repertoires are then presented to the user. The representative models are sorted by similarity relative to the model that represents the largest subset of potential models. The sorting is done on the basis of overall similarity, which can be calculated, for example, with reference to Euclidean distance. If the user has already read a series of articles, the representing models can also be sorted relative to him. This reflects how similar or dissimilar its own behavior is to that of the representing models.

Das Verhalten der Modelle wird als Liste von Artikeln beschrieben, wobei jeweils Metadaten wie z.B. das Datum der Veröffentlichung, die Überschrift, der Vorspann und der Lesezeitquotient angegeben werden. Die Artikel werden entsprechend ihrer Lesezeitquotienten sortiert, so dass vollständig und aufmerksam gelesene vor solchen aufgeführt werden, die nur teilweise und/oder oberflächlich betrachtet wurden. Mit dieser Form der Darstellung werden andere Aspekte der repräsentierenden Modelle - z.B. Geschlecht oder politische Ausrichtung - nicht kommuniziert. Somit bleibt die Sachebene das bestimmende Element und das Potenzial für Voreingenommenheiten gegenüber repräsentierenden Modellen und den ihnen zugrundeliegenden Teilmengen wird minimiert.The behavior of the models is described as a list of articles, with metadata such as publication date, title, introductory title, and read time quotient for each. Articles are ranked according to their reading time quotient, so that those that have been read fully and carefully are listed before those that have only been partially and/or superficially read. With this form of representation, other aspects of the representative models - e.g. gender or political orientation - are not communicated. Thus, the factual level remains the determining element and the potential for bias towards representative models and their underlying subsets is minimized.

Möglicherweise fallen die angezeigten Listen von Artikeln für den Anwender nicht so aus, dass er eines dieser Verhaltensrepertoires für sich übernehmen möchte. Dann kann der Anwender in einer optionalen Navigationsphase ein repräsentierendes Modell auswählen, um für die zugrundeliegende Teilmenge eine differenziertere oder weniger differenzierte Einteilung in Teilmengen angeboten zu bekommen, bis daraus ein Modell hervorgeht, das der Anwender für sein eigenes Verhalten übernehmen möchte. Diese Navigation kann auf der Grundlage der Ergebnisse einer hierarchischen Clusteranalyse erfolgen. Der Anwender klickt ein repräsentierendes Modell in einer ersten Weise an und bekommt die repräsentierenden Modelle der Kind-Teilmengen auf der untergeordneten Hierarchieebene angezeigt. Oder er klickt ein repräsentierendes Modell in einer zweiten Weise an und erhält das repräsentierende Modell der Eltern-Teilmenge auf der übergeordneten Hierarchieebene. Diese Navigationsphase endet dann, wenn der Anwender ein repräsentierendes Modell gefunden hat, dessen Verhaltensrepertoire für ihn attraktiv ist.The lists of articles that are displayed may not turn out to be such that the user would want to adopt one of these behavioral repertoires. Then, in an optional navigation phase, the user can select a representative model in order to be offered a more or less differentiated classification into subsets for the underlying subset, until a model emerges that the user wants to adopt for his own behavior. This navigation can be based on the results of a hierarchical cluster analysis. The user clicks on a representative model in a first way and gets the representative models of the child subsets on the lower hierarchical level displayed. Or he clicks a representative model in a second way and gets the representative model of the parent subset at the parent subset level in the hierarchy. This navigation phase ends when the user has found a representative model whose behavioral repertoire is attractive to him.

Wenn der Anwender ein Neuling ist, sollte er ein erfahrenes Modell als sein persönliches Modell auswählen. Wenn er bereits stabile Verhaltensmuster entwickelt hat, kann er sich für ein ihm relativ ähnliches Modell entscheiden, um diese zu pflegen und weiterzuentwickeln. Die Auswahl des persönlichen Modells kann auch automatisiert werden, indem vom Verfahren ein Modell mit einer mittleren Ähnlichkeit zum Anwender vorgeschlagen wird.If the user is a novice, he should select an experienced model as his personal model. If he has already developed stable behavior patterns, he can choose a model that is relatively similar to him in order to maintain and develop them further. The selection of the personal model can also be automated in that the method suggests a model with an average similarity to the user.

Schließlich übernimmt der Anwender ein oder mehrere Elemente des Verhaltensrepertoires seines persönlichen Modells für sein eigenes Verhalten. Das heißt, er liest einen oder mehrere Artikel aus dessen Repertoire. Dabei kann das Modell den Anwender z.B. davon abhalten, auf ein Clickbaiting hereinzufallen, indem solche Artikel durch ihre geringen Lesezeitquotienten auffallen. Nach dem Lesen eines Artikels wird das Repertoire des Anwenders um dieses Element ergänzt und in der Auflistung des persönlichen Modells inaktiv gemacht. Beim nächsten Besuch des Online-Nachrichtenportals durch den Anwender bildet das ausgewählte persönliche Modell mit seinem Verhaltensrepertoire den Ausgangspunkt der Darstellung. Der Anwender kann sich dann dafür entscheiden, dieses Modell weiterhin als sein Vorbild zu verwenden oder relativ dazu in der Hierarchie zu navigieren, um ein anderes Modell auszuwählen.Finally, the user adopts one or more elements of the behavioral repertoire of his personal model for his own behavior. That is, he reads one or more articles from his repertoire. The model can, for example, prevent the user from falling for clickbaiting, in that such articles stand out due to their low reading time quotient. After reading an article, this element is added to the user's repertoire and made inactive in the personal model listing. The next time the user visits the online news portal, the selected personal model with its behavioral repertoire forms the starting point of the presentation. The user can then choose to continue using that model as his or her model, or navigate relative to it in the hierarchy to select a different model.

Durch die Auswahl seines persönlichen Modells erhält der Anwender gewissermaßen eine Führung durch das Angebot. Nachrichtenportale haben ihre eigene Struktur, ihr eigenes Vokabular und ihren eigenen Schreibstil. Für einen Neuling ist es nicht einfach, sich dort zurecht zu finden, erfahrenere Nutzer können dann mit ihrem Verhalten eine Hilfe für den Einstieg sein. Eine solche Unterstützung auf der Grundlage von realem Verhalten ist konventionellen geführten Touren vorzuziehen. Listen mit den beliebtesten Artikeln geben die Interessenschwerpunkte aller Nutzer wieder und können deshalb nicht auf individuelle Interessen und Bedürfnisse eingehen. Im Idealfall verhindert das erfindungsgemäße Verfahren, dass der Nutzer auf der Suche nach etwas Interessantem immer wieder durch die gesamte Nachrichtenseite scrollt, und unterstützt ihn dabei, stattdessen sein Nachrichtenrepertoire reflektiert und systematisch zu pflegen und auszubauen.By selecting his personal model, the user receives a kind of guidance through the offer. News portals have their own structure, vocabulary and writing style. It is not easy for a newcomer to find your way around there, more experienced users can then be a help with their behavior to get started. Such support based on real-world behavior is preferable to conventional guided tours. Lists with the most popular articles reflect the main interests of all users and therefore cannot address individual interests and needs. In the ideal case, the method according to the invention prevents the user from repeatedly scrolling through the entire news page in search of something interesting, and instead supports him in reflectively and systematically maintaining and expanding his news repertoire.

Produktauswahlproduct selection

In diesem Ausführungsbeispiel wird der Anwender bei der Produktauswahl unterstützt. Auch in diesem Gegenstandsbereich verfügt er über eine große Zahl von Alternativen, insbesondere wenn er sich mit dem Angebot eines Onlineversandhändlers befasst. Bei vielen Produkten, etwa Smartphones und VR-Brillen, erfordert eine sachgerechte Entscheidung zahlreiche Informationen über die Produkteigenschaften, die in der Regel nur selektiv und unvollständig dargestellt werden. Zudem erfordert die sachgerechte Verarbeitung dieser Informationen ein großes Maß an Fachwissen, über das der Anwender in der Regel nicht verfügt.In this exemplary embodiment, the user is supported in product selection. He also has a large number of alternatives in this subject area, especially when dealing with the offer of an online mail order company. With many products, such as smartphones and VR glasses, an appropriate decision requires a great deal of information about the product properties, which is usually only presented selectively and incompletely. In addition, the proper processing of this information requires a great deal of specialist knowledge, which the user usually does not have.

In einer solchen Situation greift der Anwender zwangsläufig auf Methoden der Komplexitätsreduktion zurück, indem er sich auf einzelne und leicht zu quantifizierende Produkteigenschaften beschränkt, z.B. die Größe des Arbeitsspeichers. Diese Komplexitätsreduktion hat negative Auswirkungen auf die Produktentwicklung, denn die Entwickler investieren einen beträchtlichen Anteil ihrer Ressourcen in die Verbesserung solcher technischen Parameter, selbst wenn dies für den Anwender letztlich nur wenig oder gar keinen zusätzlichen Nutzen beinhaltet. Wichtigere aber weniger leicht zu beurteilende Kriterien wie die Nachhaltigkeit und die Gebrauchstauglichkeit geraten dadurch in den Hintergrund. Weitere Methoden der Komplexitätsreduktion bestehen in der Fokussierung auf den Preis, die Marke oder das äußere Design. Dies trägt ebenfalls dazu bei, dass die Produktauswahl in der Regel nicht optimal auf die Bedürfnisse des Anwenders abgestimmt ist.In such a situation, the user inevitably resorts to methods of complexity reduction by limiting himself to individual product properties that are easy to quantify, e.g. the size of the main memory. This reduction in complexity has a negative impact on product development, because the developers invest a considerable proportion of their resources in improving such technical parameters, even if this ultimately results in little or no additional benefit for the user. Criteria that are more important but less easy to assess, such as sustainability and usability, are pushed into the background as a result. Other methods of reducing complexity include focusing on the price, the brand, or the external design. This also contributes to the fact that the product selection is usually not optimally tailored to the needs of the user.

In dem Ausführungsbeispiel wird als Verhaltenskategorie die Produktauswahl beim Erwerb einer VR-Brille behandelt. Als Menge von potenziellen Verhaltensmodellen werden die Kunden eines Onlineversandhändlers definiert. Dabei werden allerdings nur solche Kunden berücksichtigt, die einen Schwellenwert für die Anzahl der Käufe von VR-Brillen überschreiten, so dass der Anwender ihnen einen Expertenstatus zubilligen kann. Da es sich bei VR-Brillen um eine relativ neue Produktkategorie handelt, werden in dem Szenario diejenigen Kunden berücksichtigt, die mindestens zwei solcher Geräte erworben haben. Dadurch werden zugleich diejenigen Kunden herausgefiltert, die sich zwar einmal eine VR-Brille zugelegt hatten, bei denen es aber bei diesem ersten Kauf blieb, weil sie diese Technologie nicht nachhaltig für sich nutzbar machen konnten.In the exemplary embodiment, product selection when purchasing VR glasses is treated as a behavior category. The customers of an online mail order company are defined as a set of potential behavioral models. However, only those customers are considered who exceed a threshold for the number of purchases of VR glasses, so that the user can grant them expert status. Since VR glasses are a relatively new product category, the scenario considers those customers who have purchased at least two such devices. At the same time, this filters out those customers who had bought VR glasses at one time, but who stayed with this first purchase because they could not use this technology for themselves in the long term.

Die Datenstruktur mit dem Verhaltensrepertoire für jedes potenzielle Modell beinhaltet also die Käufe, die diese Kunden ausgeführt haben. Jeder Kauf wird dabei durch den Zeitpunkt und das Produkt beschrieben. Grundsätzlich kann das Produkt auch durch technische Daten wie die Auflösung der Bildschirme, das Sichtfeld der Brille (Field of View) oder ihr Gewicht charakterisiert werden. Solche technischen Daten stehen aber häufig in einer Austauschbeziehung, z.B. wenn ein geringes Gewicht auf Kosten eines geringeren Sichtfeldes realisiert wird. Zudem stehen diese Parameter in komplexen Austauschverhältnissen zum Preis. Deshalb ist es sinnvoller, wenn die Technik hier systemtheoretisch als Black Box behandelt wird. Statt dessen werden zentrale verhaltensbezogene Variablen betrachtet, in denen sich widerspiegelt, ob in den Produkten geeignete Kompromisse für diese Parameter realisiert werden konnten. Dabei ist das Kaufverhalten einem Produktrating oder vergleichbarem vorzuziehen, das aus bereits genannten Gründen wenig aussagefähig oder sogar irreführend sein kann.Thus, the behavioral repertoire data structure for each potential model includes the purchases that those customers made. Each purchase is described by the time and the product. In principle, the product can also be characterized by technical data such as the resolution of the screens, the field of view of the glasses (field of view) or their weight. However, such technical data are often interchangeable, e.g. if a low weight is achieved at the expense of a smaller field of vision. In addition, these parameters are in complex exchange relationships with the price. It therefore makes more sense if the technology is treated as a black box in system theory. Instead, central behavioral variables are considered, which reflect whether suitable compromises for these parameters could be realized in the products. The purchasing behavior is preferable to a product rating or something similar, which, for the reasons already mentioned, can be less meaningful or even misleading.

Bei der Definition von Ähnlichkeitsmaßen für das Kaufverhalten ist für den Anwender bedeutsam, dass er auf dieser Grundlage in der Menge der Käufer Teilmengen mit einer besonderen Expertise identifizieren kann. Deshalb sollten sie durch die Häufigkeit charakterisiert werden, mit der sie VR-Brillen erworben haben. Bei der weiteren Definition von Ähnlichkeitsmaßen könnte man grundsätzlich so vorgehen wie bei der Filmauswahl und diese z.B. über das Verhältnis von Schnittmenge und Vereinigungsmenge definieren. Wenn also ein erster Käufer eine HTC Vive und dann eine Oculus Rift erworben hat und ein zweiter Käufer eine Google Daydream und dann eine Oculus Rift, erhält man nach diesem Verfahren eine Ähnlichkeit von 1/3. Anders als bei der Filmauswahl spielt aber die Reihenfolge der Produktauswahl eine sehr große Rolle. In ihr spiegelt sich ein Lernprozess wider, denn die Käufer wissen mit jedem Kauf immer besser, worauf sie in dieser Produktkategorie achten müssen. Die beiden Käufer entschieden sich zunächst für unterschiedliche Produkte, kamen dann aber aufgrund ihrer gesammelten Erfahrungen für den zweiten Kauf zum gleichen Ergebnis, weisen also letztlich in ihrem Beurteilungs- und Auswahlverhalten eine große Ähnlichkeit auf. Insgesamt sind die Käufer nach den Sequenzen ihrer Kaufentscheidungen zu systematisieren, wobei die zuletzt getroffenen Entscheidungen ein größeres Gewicht bei der Berechnung der Ähnlichkeit haben als die früher getroffenen.When defining similarity measures for purchasing behavior, it is important for the user to be able to use this as a basis to identify subsets of buyers with special expertise. Therefore, they should be characterized by the frequency with which they have purchased VR glasses. In the further definition of similarity measures, one could basically proceed in the same way as with the film selection and define this, for example, via the ratio of intersection and union. So if a first buyer bought an HTC Vive and then an Oculus Rift, and a second buyer bought a Google Daydream and then an Oculus Rift, according to this ver drive a similarity of 1/3. In contrast to the film selection, however, the order in which the product is selected plays a very important role. It reflects a learning process, because with every purchase, buyers know better and better what to look out for in this product category. The two buyers initially opted for different products, but then came to the same conclusion for the second purchase based on their accumulated experience, so ultimately show a great deal of similarity in their assessment and selection behavior. Overall, the buyers are to be systematized according to the sequence of their purchase decisions, with the decisions made most recently having a greater weight in the calculation of similarity than those made earlier.

Den Kaufdaten kann man zudem entnehmen, ob es sich eher um einen Fehlkauf handelt oder nicht. Ein kurzes Zeitintervall zwischen dem Kauf von zwei VR-Brillen weist darauf hin, dass das erste Produkt sich als nicht geeignet herausgestellt hat. Ein solches Verhalten kann aber durchaus intendiert sein, wenn man z.B. zuerst ein Google Cardboard erworben hat, um sich für einen kleinen Betrag mit der Technologie vertraut zu machen, und dann schon nach kurzer Zeit ein aufwendigeres Produkt erwirbt. Deshalb sollte man die Zeit zwischen dem Erwerb zweier Produkte neutral als Nutzungszeit betrachten und kann auf dieser Grundlage eine weitere Ähnlichkeitsvariable definieren.You can also see from the purchase data whether it is more of a bad buy or not. A short time interval between the purchase of two VR glasses indicates that the first product turned out to be unsuitable. However, such behavior can certainly be intentional if, for example, you first bought a Google Cardboard to familiarize yourself with the technology for a small amount and then after a short time you bought a more complex product. For this reason, the time between the purchase of two products should be viewed neutrally as usage time and on this basis you can define another similarity variable.

Insgesamt handelt es sich bei den Daten zum Kaufverhalten um eine Sequenz von Auswahlentscheidungen, die eine zeitliche Struktur aufweist. Sie können mit Verfahren des Sequenzclustering analysiert werden, um eine Zuordnung der potenziellen Modelle zu einer geeigneten Anzahl von Teilmengen zu erhalten. Jede dieser Käufergruppen wird durch ein repräsentierendes Modell beschrieben, das dem Zentrum des Clusters am nächsten liegt.Overall, the data on purchasing behavior is a sequence of selection decisions that has a chronological structure. They can be analyzed using sequence clustering methods to obtain an assignment of the potential models to an appropriate number of subsets. Each of these buyer groups is described by a representative model that is closest to the center of the cluster.

Die Wiedergabe der repräsentierenden Modelle und ihrer Verhaltensrepertoires beinhaltet entsprechend die Sequenzen der einzelnen Käufe mit ihrer zeitlichen Struktur. Die Modelle können in absteigender Sequenzlänge sortiert werden, als Indikator für die Erfahrung, die sie mit VR-Brillen haben. Zudem kann die Anzahl der potenziellen Modelle in der entsprechenden Teilmenge wiedergegeben werden, um eine Einschätzung zu ermöglichen, wie verbreitet die einzelnen Muster des Kaufverhaltens sind.The reproduction of the representative models and their behavioral repertoires accordingly contains the sequences of the individual purchases with their chronological structure. The models can be sorted in descending sequence length as an indicator of the experience they have with VR glasses. In addition, the number of potential models in the corresponding subset can be reflected to provide an estimate of the prevalence of each buying behavior pattern.

Wenn die Daten mit einem hierarchischen Sequenzclustering ausgewertet wurden, kann man dem Anwender auch anbieten, eine andere Aufteilung in Teilmengen anzufordern. Wenn er in der Clusterhierarchie nach unten navigiert, kann er gezielt Teilmengen auswählen, in denen z.B. eine spezielle Vorliebe für bestimmte Technologien vorherrscht, etwa autonome VR-Brillen. Auf diese Weise kann der Anwender auch Informationen über Alternativ- oder Außenseiter-Produkte zu den marktbeherrschenden VR-Brillen einholen. Die hierarchische Darstellung kann die Vielfalt der Marktsituation besser abbilden als z.B. Produktvergleiche, die in der Regel nur eine kleine Zahl von besonders populären Produkten berücksichtigen.If the data has been analyzed using hierarchical sequence clustering, the user can also be offered the option of requesting a different subset split. When navigating down the cluster hierarchy, he can specifically select subsets in which, for example, there is a special preference for certain technologies, such as autonomous VR glasses. In this way, the user can also obtain information about alternative or outsider products to the VR glasses that dominate the market. The hierarchical representation can reflect the variety of the market situation better than, for example, product comparisons, which usually only take into account a small number of particularly popular products.

Auf der Grundlage der Wiedergabe der repräsentierenden Modelle entscheidet sich der Anwender für sein persönliches Modell. Dabei wird er Modelle mit einer umfangreichen Verhaltenssequenz bevorzugen. Er sollte aber nicht unbedingt diejenigen auswählen, die in dieser Beziehung führend sind, da diese augenscheinlich mit einem großen Budget ausgestattet ein exploratives Kaufverhalten kultiviert haben. Für den normalen Anwender dürften Modelle mit einem mittleren Umfang der Verhaltenssequenz und einem längeren Zeitintervall zwischen den einzelnen Käufen geeigneter sein. Der Anwender kann auch die Sequenzen daraufhin analysieren, ob der Übergang von einem Produkt zum nächsten eine bestimmte Reihenfolge aufweist. So ist davon auszugehen, dass es bedeutend mehr Modelle gibt, die zuerst eine Google Daydream erwarben und dann eine Oculus Rift als umgekehrt. Eine solche Asymmetrie weist darauf hin, dass das zweite Produkt dem ersten überlegen ist, und dass die Modelle mit einem entsprechenden Kaufverhalten in der Lage waren, das zu erkennen.Based on the reproduction of the representative models, the user decides on his personal model. In doing so, he will prefer models with an extensive behavior sequence. However, he should not necessarily select those who are leaders in this respect, as they appear to have cultivated exploratory buying behavior with large budgets. For the average user, models with a medium range of behavioral sequences and a longer time interval between purchases may be more appropriate. The user can also analyze the sequences to determine whether the transition from one product to the next is in a specific order. So it can be assumed that there are significantly more models that first bought a Google Daydream and then an Oculus Rift than vice versa. Such asymmetry indicates that the second product is superior to the first, and that the models with corresponding purchasing behavior were able to recognize this.

Nachdem der Anwender sich für sein persönliches Modell entschieden hat, stellt sich für ihn die Frage, welches Element des Verhaltensrepertoires er für sich übernehmen wird. Häufig wird er das letzte Element der Kaufsequenz bevorzugen, weil sich darin der aktuelle Wissens- und Erfahrungsstand des Modells zu den am besten geeigneten VR-Brillen widerspiegelt. Sofern der Anwender sich selbst als Neuling in diesem Gegenstandsbereich betrachtet, kann er auch der Auffassung sein, dass er zunächst eines der früheren Produkte in der Kaufsequenz erwerben möchte, um analog zu seinem Modell erste Erfahrungen in diesem Bereich zu sammeln, bevor er zu den aufwendigeren Produkten übergeht.After the user has decided on his personal model, the question arises as to which element of the behavioral repertoire he will adopt for himself. He will often prefer the last element of the purchase sequence because it reflects the model's current level of knowledge and experience about the most suitable VR glasses. If the user sees himself as a novice in this subject area, he may also consider that he would first like to purchase one of the earlier products in the purchase sequence in order to gain initial experience in this area, analogous to his model, before moving on to the more complex ones products.

Im Folgenden werden drei Variationen des Basisszenarios behandelt. Wenn der Anwender bereits eine oder mehrere VR-Brillen gekauft hat, können die repräsentierenden Modelle entsprechend der Ähnlichkeit zu seinem Verhalten angeordnet werden. Damit besteht für den Anwender die Möglichkeit zu einem sozialen Vergleich. Dabei kann er zu dem Ergebnis kommen, dass ein oder mehrere repräsentierende Modelle augenscheinlich über bessere Produkte verfügen als er selbst, dann kommen sie für die Nachahmung in Frage. Er kann aber auch zu dem Ergebnis kommen, dass er sich mit seiner aktuellen VR-Brille in einer „guten Gesellschaft“ befindet und dass sich deshalb für ihn ein Neukauf erübrigt. Das erfindungsgemäße Verfahren kann ihn hierbei unterstützen, indem es für jedes repräsentierende Modell diejenige VR-Brille errechnet, für die sich der Anwender entscheiden sollte, um eine größtmögliche Annäherung an das Verhaltensmuster des Modells zu erzielen. Dies entspricht dem allgemeinen Ziel des Beobachtungslernens, sich durch Nachahmung dem Verhaltensrepertoire seines Modells möglichst weitgehend anzunähern.Three variations of the baseline scenario are discussed below. If the user has already purchased one or more VR glasses, the representative models can be arranged according to their similarity to their behavior. This gives the user the opportunity for a social comparison. He can come to the conclusion that one or more representative models obviously have better products than himself, in which case they come into question for imitation. But he can also come to the conclusion that he is in “good company” with his current VR glasses and that it is therefore unnecessary for him to buy a new one. The method according to the invention can support him in this by calculating the VR glasses for each representative model that the user should choose in order to achieve the best possible approximation to the model's behavior pattern. This corresponds to the general goal of observational learning, to approximate the behavioral repertoire of the model as closely as possible through imitation.

Eine zweite Variation des Basisszenarios besteht in der Berücksichtigung der Nutzungsintensität. Generell ist im Zusammenhang mit innovativen Produkten nicht auszuschließen, dass zunächst - getragen durch intrinsische motivationale Faktoren wie Neugierde - ein Produkt intensiv verwendet wird, sich das Interesse des Anwenders aber nach relativ kurzer Zeit drastisch verringert, weil mit dem Produkt mittel- und langfristig kein konkreter Nutzen verbunden ist. VR-Brillen sind ein Beispiel für eine Produktkategorie, in der automatisch Daten erfasst werden, aus denen sich Hinweise auf die Nutzungsintensität ergeben. Diese spiegelt sich z.B. darin wider, ob und in welchem Umfang der Käufer später Zubehör erwirbt, insbesondere in Form von Inhalten wie VR-Spielen oder -Videos. Noch präziser lässt sich die Nutzungsintensität erfassen, wenn die VR-Brille mit einem Nutzerkonto verbunden ist und Daten zur Online-Zeit sowie den währenddessen verwendeten Funktionen und Inhalten aufgezeichnet werden.A second variation of the basic scenario consists in considering the intensity of use. In general, in connection with innovative products, it cannot be ruled out that a product will initially be used intensively - supported by intrinsic motivational factors such as curiosity - but the user's interest will drastically decrease after a relatively short period of time because there will be no concrete interest in the product in the medium and long term benefit is connected. VR glasses are an example of a product category that automatically collects data that provides indications of usage intensity. This is reflected, for example, in whether and to what extent the buyer later purchases accessories, especially in the form of content such as VR games or videos. The intensity of use can be recorded even more precisely if the VR glasses are connected to a user account and data on the time online as well as the functions and content used during this time are recorded.

Wenn solche Nutzungsdaten mit den Kaufdaten in Zusammenhang gebracht werden können, kann für jeden Erwerb einer VR-Brille die Frage einer nachhaltigen Nutzung präziser beantwortet werden. Dann sind für den Anwender solche repräsentierenden Modelle besonders interessant, deren Nutzungsintensität sich über die einzelnen Käufe hinweg auf einem gleichbleibend hohen Niveau bewegt oder sogar zunimmt. Umgekehrt sind große Cluster von potenziellen Modellen mit einer abnehmenden Nutzungsintensität ein Hinweis, dass diese Produktkategorie insgesamt noch keinen langfristigen Nutzen vermitteln kann. Wenn dies das beherrschende Bild ist, kann der Anwender sich auch ganz gegen den Kauf einer VR-Brille entscheiden.If such usage data can be linked to the purchase data, the question of sustainable use can be answered more precisely for each purchase of VR glasses. Then such representative models are particularly interesting for the user, the intensity of use of which moves at a consistently high level or even increases over the individual purchases. Conversely, large clusters of potential models with a decreasing intensity of use are an indication that this product category as a whole cannot yet provide long-term benefits. If this is the dominant image, the user can decide not to buy VR glasses at all.

Eine dritte Variation des Basisszenarios besteht darin, dass analog zu der Nutzungsintensität auch andere Variablen die Einschätzung des von den repräsentierenden Modellen gezeigten Kaufverhaltens unterstützen. Beispielsweise ist es hilfreich, von verschiedenen VR-Brillen den Ressourcenverbrauch zu kennen. Dann kann das Kaufverhalten daraufhin überprüft werden, ob dieser Aspekt bei einem oder mehreren repräsentierenden Modellen eine beherrschende Rolle spielte, um diese dann bevorzugt als das persönliche Modell auszuwählen. Eine analoge Funktion können Angaben zum Preis der VR-Brillen haben, so dass man sich für ein persönliches Modell entscheiden kann, das augenscheinlich über vergleichbare finanzielle Mittel verfügt.A third variation of the baseline scenario is that, analogous to the intensity of use, other variables also support the assessment of the buying behavior shown by the representative models. For example, it is helpful to know the resource consumption of different VR glasses. Then the purchasing behavior can be checked to see whether this aspect played a dominant role in one or more representative models, in order to then select them as the personal model. An analogue function can have information about the price of the VR glasses, so that one can choose a personal model that apparently has comparable financial resources.

Mit dem Ausführungsbeispiel soll verdeutlicht werden, dass mit dem erfindungsgemäßen Verfahren der Kauf eines komplexen Produkts möglich ist, ohne über irgendwelche technischen Kenntnisse in diesem Bereich zu verfügen. Tatsächlich hat man nur in den allerwenigsten Gegenstandsbereichen tiefergehende Kenntnisse, um ein fachlich fundiertes Urteil abgeben zu können. Dann ist es nur konsequent, die Technik für sich persönlich als Black Box aufzufassen und sich stattdessen an denjenigen zu orientieren, die sich damit auskennen. Für den Anwender stellt sich dann die Aufgabe, ein kompetentes und vertrauenswürdiges Modell zu identifizieren, er wird damit gewissermaßen vom Techniker zum Psychologen. Bei der Modellauswahl besteht aber die Gefahr, dass man sich von irrelevanten Faktoren wie Geschlecht oder Herkunft beeinflussen lässt. Deshalb wird in dem erfindungsgemäßen Verfahren das Verhaltensrepertoire der potenziellen Modelle in den Mittelpunkt gestellt.The exemplary embodiment is intended to make it clear that the method according to the invention makes it possible to purchase a complex product without having any technical knowledge in this area. In fact, one only has in-depth knowledge in very few subject areas in order to be able to make a technically well-founded judgment. Then it is only logical to regard the technology as a black box for oneself and instead to orientate oneself to those who are familiar with it. The user is then faced with the task of identifying a competent and trustworthy model, turning the technician into a psychologist, so to speak. When choosing a model, however, there is a risk of being influenced by irrelevant factors such as gender or origin. The behavioral repertoire of the potential models is therefore the focus of the method according to the invention.

Verhalten in sozialen Netzwerkenbehavior in social networks

In diesem Ausführungsbeispiel wird behandelt, wie der Anwender in seinem Verhalten in sozialen Netzwerken unterstützt werden kann. Die Möglichkeit, sich überall auf der Welt mit anderen zu vernetzen, bietet eine Vielzahl von Chancen, sofern die Interaktionen in einer angemessenen Weise erfolgen. Mit dem erfindungsgemäßen Verfahren kann der Betreiber eines sozialen Netzwerks der Verbreitung von antisozialem Verhalten entgegentreten, indem er dem Anwender Modelle zur Verfügung stellt, die sich in einer prosozialen Weise verhalten. Auch können Alternativen zu einem selbstschädigenden Verhalten - z.B. einer exzessiven Nutzung bestimmter Funktionalitäten - aufgezeigt werden. Insgesamt können Modelle einen verantwortungsvollen Umgang mit diesem Medium vermitteln.This exemplary embodiment deals with how the user can be supported in his behavior in social networks. The ability to connect with others anywhere in the world offers a multitude of opportunities, provided the interactions are conducted in an appropriate manner. With the method according to the invention, the operator of a social network can counteract the spread of antisocial behavior by providing the user with models that behave in a prosocial manner. Alternatives to self-damaging behavior - e.g. excessive use of certain functionalities - can also be shown. Overall, models can convey responsible use of this medium.

Als Verhaltenskategorie wird dementsprechend das Verhalten in einem sozialen Netzwerk definiert. Die Menge der potenziellen Modelle besteht aus den Nutzern dieses Netzwerks. Aufzeichnungen von ihrem Verhalten werden dazu verwendet, eine Datenstruktur zu erzeugen, die das Verhaltensrepertoire eines jeden potenziellen Modells beschreibt. Bei den Aufzeichnungen handelt es sich um umfangreiche Sequenzen von elementaren Interaktionen, etwa einzelnen Mausklicks oder Tastenbetätigungen. Das Verhalten ist also auf wiederkehrende Sequenzen hin zu untersuchen, die die Elemente des Verhaltensrepertoires bilden, z.B. einzelne Postings oder Likings. Die Aufgabe ähnelt der, Texte nicht mehr anhand ihrer Buchstabensequenzen, sondern anhand ihrer Wortsequenzen zu beschreiben. Solche Muster lassen sich z.B. mit den Verfahren des Sequenzclustering ermitteln.Accordingly, behavior in a social network is defined as a behavior category. The set of potential models consists of the users of this network. Records of their behavior are used to create a data structure that describes the behavioral repertoire of each potential model. The recordings are extensive sequences of elementary interactions, such as individual mouse clicks or keystrokes. The behavior is therefore to be examined for recurring sequences that form the elements of the behavioral repertoire, eg individual postings or likings. The task is similar to To describe texts no longer based on their letter sequences, but on the basis of their word sequences. Such patterns can be determined, for example, using the sequence clustering method.

Auf der Grundlage dieser Sequenzen des identifizierten Verhaltensrepertoires wird dann die Ähnlichkeit der potenziellen Modelle ermittelt. Dabei gibt es zwei Möglichkeiten, mit und ohne Berücksichtigung der Reihenfolge der Verhaltenselemente. Die Reihenfolge spielt dann eine Rolle, wenn man einen Lerneffekt erwartet, wie dies bei der Produktauswahl der Fall war. Analog kann man z.B. vermuten, dass es Modelle gibt, die mit einem normalen Verhalten beginnen und dann ein antisoziales Verhalten entwickeln. Zur Vereinfachung der Analyse bleibt hier der Beginn der Verhaltenssequenzen unberücksichtigt, z.B. die ersten sechs Monate der Interaktionen in dem sozialen Netzwerk, um davon ausgehen zu können, dass sich bis dahin stabile Verhaltensmuster ausgebildet haben, so dass dann die Reihenfolge keine Rolle mehr spielt.Based on these sequences of the identified behavioral repertoire, the similarity of the potential models is then determined. There are two possibilities, with and without considering the order of the behavior elements. The order then plays a role if you expect a learning effect, as was the case with product selection. Analogously, one can assume, for example, that there are models that start with normal behavior and then develop antisocial behavior. To simplify the analysis, the beginning of the behavioral sequences is not taken into account here, e.g. the first six months of interactions in the social network, in order to be able to assume that stable behavioral patterns have developed by then, so that the order then no longer plays a role.

Ohne Berücksichtigung der Reihenfolge kann man untersuchen, welche Elemente des Verhaltensrepertoires zwei potenzielle Modelle gemeinsam haben, wiederum als Verhältnis von Schnittmenge zu Vereinigungsmenge. Dabei ist zwischen den beiden Vorgehensweisen mit und ohne Berücksichtigung der Häufigkeiten der Verhaltenselemente zu unterscheiden. Zeigte ein erstes Modell die Verhaltenssequenz {A, A, B, C, C, C} und ein zweites Modell die Sequenz {A, B, C, D, E}, hat ohne Berücksichtigung der Häufigkeiten das Verhältnis von Schnittmenge {A, B, C} zu Vereinigungsmenge {A, B, C, D, E} den Wert 3/5. Andererseits kann man ein Verhalten nur dann als auffällig - z.B. exzessiv - identifizieren, wenn man zugleich dessen Häufigkeit beachtet, etwa eine hohe Frequenz von Postings. Deshalb sollte man bei diesem Verfahren auch die Häufigkeit jedes einzelnen Verhaltenselements berücksichtigen. Im Beispiel ist dann die Schnittmenge {A, B, C} und die Vereinigungsmenge {A, A, B, C, C, C, D, E}, es ergibt sich also als Quotient 3/8. Die beiden Modelle werden bei diesem Vorgehen als unähnlicher beurteilt. Den präzisesten Vergleich des Verhaltens zweier potenzieller Modelle erhält man jedoch, wenn man die Ähnlichkeit für jedes einzelne Element des Verhaltensrepertoires bestimmt, also im Beispiel die Häufigkeiten von A, B, C, D und E separat betrachtet. Dann kann man für jedes Verhaltenselement getrennt Auffälligkeiten identifizieren, z.B. dass das Posting-Verhalten exzessiv, aber das Liking-Verhalten unauffällig ist. Sofern man über die Ressourcen verfügt, eine große Zahl von Variablen auszuwerten, ist dies also das zu favorisierende Vorgehen.Without considering order, one can examine what elements of the behavioral repertoire two potential models have in common, again as the ratio of intersection to union. A distinction must be made between the two approaches with and without taking into account the frequencies of the behavioral elements. If a first model showed the behavioral sequence {A, A, B, C, C, C} and a second model the sequence {A, B, C, D, E}, the ratio of intersection {A, B , C} for union {A, B, C, D, E} has the value 3/5. On the other hand, behavior can only be identified as conspicuous - e.g. excessive - if one also takes into account its frequency, e.g. a high frequency of postings. Therefore, the frequency of each individual behavioral element should also be taken into account in this procedure. In the example, the intersection is {A, B, C} and the union is {A, A, B, C, C, C, D, E}, so the quotient is 3/8. The two models are judged to be more dissimilar in this approach. However, the most precise comparison of the behavior of two potential models is obtained by determining the similarity for each individual element of the behavioral repertoire, i.e. considering the frequencies of A, B, C, D and E separately in the example. Then you can identify abnormalities separately for each behavioral element, e.g. that the posting behavior is excessive, but the liking behavior is normal. If you have the resources to evaluate a large number of variables, this is the preferred approach.

Auf der Grundlage einer Clusteranalyse erfolgt die Zuordnung der potenziellen Modelle zu einer geeigneten Anzahl von Teilmengen. Für diese Teilmengen werden die repräsentierenden Modelle bestimmt und zusammen mit ihren Verhaltensrepertoires wiedergegeben. Die Repertoires können in einer Häufigkeitstabelle dargestellt werden, indem für jedes Verhaltenselement angegeben wird, wie häufig es pro Zeiteinheit ausgeführt wurde. Vorzugsweise sollte dem Anwender sein eigenes Verhalten in dieser Form zurückgemeldet werden, damit er es mit dem der repräsentierenden Modelle direkt vergleichen kann.Based on a cluster analysis, the potential models are assigned to a suitable number of subsets. For these subsets, the representative models are determined and presented together with their behavioral repertoires. The repertoires can be represented in a frequency table by indicating for each behavior element how often it was performed per unit of time. The user should preferably be given feedback on his own behavior in this form so that he can compare it directly with that of the representing models.

Bei einer solchen Darstellung wird nicht zwischen positiven und negativen Verhaltensmustern unterschieden. Es besteht also die Möglichkeit, dass der Anwender ein repräsentierendes Modell auswählt, das ein antisoziales oder selbstschädigendes Verhalten aufweist und er sich dieses Verhalten zum Vorbild nimmt. Deshalb muss der Betreiber des sozialen Netzwerks einen Filtermechanismus implementieren, mit dem eine Fehlorientierung des Anwenders verhindert wird.In such a representation, no distinction is made between positive and negative behavior patterns. There is therefore the possibility that the user selects a representative model that exhibits antisocial or self-harming behavior and uses this behavior as a model. The operator of the social network must therefore implement a filter mechanism that prevents the user from being misdirected.

Für diesen Filter können drei Strategien gewählt werden, Verifikation, Falsifikation und Evidenz. Bei der Verifikation werden in der Menge der potenziellen Modelle ein oder mehrere Modelle markiert, die sich durch ein positives Verhalten auszeichnen. Nach der Clusteranalyse wird betrachtet, in welchen Clustern sich die positiven Modelle befinden. Die Cluster ohne ein positives Modell werden dann von der Darstellung ausgeschlossen. Es werden also nur noch diejenigen Teilmengen wiedergegeben, die mindestens eines dieser positiven Modelle beinhalten. Die begründete Auswahl von positiven Modellen setzt ein differenziertes Beurteilungssystem voraus, so dass der Verifikationsansatz das Spektrum der akzeptierten Verhaltensmuster in sozialen Netzwerken beträchtlich einschränken kann.Three strategies can be chosen for this filter, verification, falsification and evidence. During verification, one or more models that are characterized by positive behavior are marked in the set of potential models. After the cluster analysis, it is considered in which clusters the positive models are located. The clusters without a positive model are then excluded from the representation. So only those subsets are shown that contain at least one of these positive models. The well-founded selection of positive models requires a differentiated assessment system, so that the verification approach can considerably limit the spectrum of accepted behavioral patterns in social networks.

Daher scheint der weniger voraussetzungsreiche Falsifikationsansatz besser geeignet zu sein. Zunächst werden in der Menge der potenziellen Modelle ein oder mehrere Modelle als prägnante Beispiele für unakzeptables Verhalten markiert. Die entsprechenden Cluster mit allen darin befindlichen Modellen werden dann ausgeschlossen und nur die verbleibenden Cluster dem Anwender dargestellt. Der Falsifikationsansatz kann auf einer geringen Anzahl von Kriterien basieren und schränkt deshalb das Spektrum der Verhaltensmuster weniger stark ein als der Verifikationsansatz. Allerdings basiert auch er auf einer Dichotomisierung in akzeptables und unakzeptables Verhalten, die in der Praxis selten fundiert zu begründen ist. In zwei Clustern mit negativen Modellen sind die Zentren der Cluster den negativen Modellen in der Regel unterschiedlich ähnlich, die darin enthaltenen potenziellen Modelle werden aber trotzdem unterschiedslos aus der Ergebnisdarstellung entfernt.Therefore, the less presumptive falsification approach seems to be more appropriate. First, in the set of potential models, one or more models are marked as concise examples of unacceptable behavior. The corresponding clusters with all the models in them are then excluded and only the remaining clusters are presented to the user. The falsification approach can be based on a small number of criteria and therefore restricts the range of behavior patterns less than the verification approach. However, it is also based on a dichotomization of acceptable and unacceptable behavior, which in practice can rarely be justified. As a rule, in two clusters with negative models, the centers of the clusters are differently similar to the negative models, the potential models contained in them are nevertheless indiscriminately removed from the result display.

Alternativ kann man einen abgestuften Ansatz realisieren, der auf der Evidenz basiert. Eingangs wird eine Anzahl von positiven und/oder negativen Modellen markiert. Jeder Cluster wird daraufhin bewertet, wie nah oder entfernt diese Modelle von seinem Zentrum sind. Dabei werden die Distanzen zu den positiven Modellen negativ und die Distanzen zu den negativen Modellen positiv gewertet. Die Evidenz fällt also insgesamt positiv aus, wenn sich die positiven Modelle überwiegend in der Nähe und die negativen überwiegend in einer größeren Entfernung vom Zentrum des Clusters befinden. Zusätzlich können dabei die positiven und negativen Modelle individuell in ihrer Bedeutung gewichtet werden. Die repräsentierenden Modelle werden schließlich entsprechend der errechneten Evidenz aufgelistet, beginnend mit der insgesamt am positivsten bewerteten Teilmenge.Alternatively, one can implement a tiered approach based on the evidence. Initially, a number of positive and/or negative models are marked. Each cluster is scored based on how close or far these models are from its center. The distances to the positive models are rated negatively and the distances to the negative models are rated positively. The overall evidence is therefore positive when the positive models are predominantly located close to and the negative models are predominantly located at a greater distance from the center of the cluster. In addition, the positive and negative models can be weighted individually in terms of their importance. Finally, the representative models are listed according to the calculated evidence, starting with the subset rated most positively overall.

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturPatent Literature Cited

US 2019/0278819 A1 [0002]
US 2020/0082417 A1 [0002]

Claims

Method for the computer-aided selection of behavior models, characterized in that a behavior category is defined, within which the user wants to imitate the behavior of another person, a set of potential behavior models is defined, based on one or more criteria, a data structure is generated, in which each potential model is represented by a data set consisting of one or more behavioral manifestations, its behavioral repertoire, for which behavioral repertoires one or more variables are defined to quantify their similarity, on the basis of the quantification the original set of potential models is reduced if necessary on the basis of the quantification the potential models are assigned to an appropriate number of subsets, on the basis of this assignment appropriate subsets are selected, for each remaining subset a potential model l is determined that this subset is suitably represented, the representative model, the representative models with their behavioral repertoires are suitably presented to the user as alternatives, the user selects one of the representative models as his personal model, and the user finally selects his behavioral repertoire that adapts to the personal model.

Arrangement for the computer-aided selection of behavior models, consisting of a computer unit for determining a set of representative models with their behavior repertoires, a display unit for displaying this set and an input unit for the user to select his personal model, the arrangement being set up to carry out a method according to claim 1 .

procedure according to claim 1 , characterized in that in addition to the behavioral repertoires of the representative models, their relationships to the behavioral repertoire of the user are also shown.

procedure according to claim 1 , characterized in that additional features of the potential models are used that do not affect the behavior itself.

procedure according to claim 1 , characterized in that a representative model is automatically selected as a personal model for the user.

procedure according to claim 1 , characterized in that an adaptation of his behavioral repertoire to that of his personal model is automatically selected for the user.

procedure according to claim 1 , characterized in that in an additional navigation phase the user selects a subset of potential models in order to obtain a more differentiated or less differentiated classification into subsets for this subset until a representative model emerges from the classification, which the user selects as his personal model would like.

procedure according to claim 1 , characterized in that the previous interactions with the user are taken into account in the subsequent determination and presentation of the representative models and their behavioral repertoires.

procedure according to claim 1 , characterized in that the subsets of potential models are described by more abstract variables as an alternative to or in combination with the representative model.

procedure according to claim 1 , characterized in that the user and the behavior models have the opportunity to communicate with each other.