Neues Framework GraSPer verbessert personalisierte Texte bei wenigen Daten

Ein neues Forschungsprojekt aus dem Bereich der künstlichen Intelligenz hat ein innovatives Verfahren namens GraSPer vorgestellt, das die Personalisierung von Texten in Situationen mit sehr wenig Nutzerdaten revolutioniert. GraSPer nutzt graphbasierte Techniken, um das vorhandene Nutzerprofil zu erweitern, indem es vorhergesagt, mit welchen Inhalten der Nutzer in Zukunft interagieren könnte.

Durch diese Vorhersagen erzeugt das System anschließend Texte, die diese potenziellen Interaktionen simulieren. Auf diese Weise entsteht ein künstlich angereichertes Historienmaterial, das zusammen mit den realen Daten als Grundlage für die endgültige Textgenerierung dient. Das Ergebnis ist eine stärkere Abstimmung der generierten Inhalte auf den individuellen Stil und die Vorlieben des Nutzers.

In umfangreichen Experimenten auf drei etablierten Benchmark-Datensätzen konnte GraSPer signifikante Leistungssteigerungen erzielen. Die Ergebnisse zeigen, dass das Verfahren besonders in „kaltstart“-Szenarien – etwa bei neuen Social-Media-Nutzern oder frisch registrierten E‑Commerce-Kunden – die Personalisierung deutlich verbessert.