Prof. Dr. Fatih Gedikli
Institut Informatik
Professor für Künstliche Intelligenz und Big Data
Prof. Dr. Fatih Gedikli ist Informatiker und Professor für Künstliche Intelligenz und Big Data am Institut für Informatik der Hochschule Ruhr West. Sein Lehrgebiet umfasst Software Engineering, Web Engineering sowie die angewandte Künstliche Intelligenz.
Sein Forschungsfokus liegt auf der Entwicklung von Empfehlungssystemen, einer Schlüsseltechnologie des Maschinellen Lernens. In einer zunehmend informationsüberfluteten Welt helfen diese Systeme Nutzern dabei, relevante Produkte, Dienstleistungen oder Inhalte zu entdecken – sei es die Auswahl eines Buches, eines Hotels oder anderer personalisierter Angebote. Als essenzieller Bestandteil des modernen Web tragen Empfehlungssysteme dazu bei, maßgeschneiderte digitale Erlebnisse zu schaffen.
Prof. Dr. Gedikli hat bedeutende Beiträge zur Verbesserung der Vorhersagegenauigkeit von Empfehlungssystemen geleistet. Durch die Integration von Bewertungssystemen für Social-Web-Tagging-Daten und den gezielten Einsatz Maschineller Lernverfahren konnte er die Präzision solcher Systeme steigern. Zudem erforschte er die Rolle von Erklärungsschnittstellen, die das Verständnis und die Akzeptanz von Empfehlungen bei den Nutzern fördern.
Als leidenschaftlicher Befürworter von Big-Data-Analysen entwickelt Prof. Dr. Gedikli innovative Lösungen und Werkzeuge, um komplexe Muster in großen Datenmengen automatisch zu erkennen und zu interpretieren. Ein Schwerpunkt seiner Arbeit liegt auf der Entwicklung von KI-Datenpipelines, die Deep-Learning-Methoden zur automatisierten Informationsextraktion aus umfangreichen Datensätzen wie Nachrichtenartikeln nutzen.
- Recommender Systems
- News Recommendation and Analytics
- Natural Language Processing
- Artificial Intelligence: Applications and Theory
- Grundlagen der Informatik und Programmierung
- Softwaretechnik
- Webtechnologien und mobile Anwendungen
- Empfehlungssysteme
- Mobile Computing
Fatih Gedikli, Dietmar Jannach: Recommender Systems, Semantic-Based. In Encyclopedia of Social Network Analysis and Mining (ESNAM, 3rd ed.), Springer, 2026. (Chapter submitted in 2024).
Lionel Richy Panlap Houamegni, Fatih Gedikli: Evaluating the Effectiveness of Large Language Models in Automated News Article Summarization
(2025), arXiv:2502.17136 [cs.AI].
Fatih Gedikli: The Importance of Recommender Systems: A Key Technology of the World Wide Web. Frontnow's blog, the essential resource exploring the latest trends in generative & conversational AI, expert opinion, and groundbreaking developments in the field, Frontnow GmbH, 22.09.2023.
Noah Janzen, Fatih Gedikli: NewsRecs - A Mobile App Framework for Conducting and Evaluating Online Experiments for News Recommender Systems. Proceedings of the 15th International Conference on Agents and Artificial Intelligence (ICAART 2023), 22-24 February, 2023, Lisbon, Portugal.
Anne Stockem Novo, Fatih Gedikli: Named entities as key features for detecting semantically similar news articles. International Journal of Semantic Computing (IJSC), Vol. 17, No. 4, pp. 633 - 649, 2023.
Anne Stockem Novo, Fatih Gedikli: Explaining BERT model decisions for near-duplicate news article detection based on named entity recognition. Proceedings of the 17th IEEE International Conference on Semantic Computing (IEEE ICSC 2023), 1-3 February, 2023, California, USA.
Fatih Gedikli: KI-basierter Wissensgraph: Veranschaulichung von Menschenrechtsverletzungen und Umweltsünden in globalen Lieferketten. Embedded-Software-Engineering - Fachwissen rund um professionelles Software-Engineering, Vogel Communications Group GmbH & Co. KG, 29.09.2022.
Fatih Gedikli, Anne Stockem Novo, Dietmar Jannach: Semi-Automated Identification of News Story Chains: A New Dataset and Entity-based Labeling Method. Proceedings of the 9th International Workshop on News Recommendation and Analytics (INRA 2021) in conjunction with 15th ACM Conference on Recommender Systems (RecSys 2021), September 25, 2021, Amsterdam, Netherland.
Fatih Gedikli, Dietmar Jannach, Mouzhi Ge: How should I explain? A comparison of different explanation types for recommender systems. In: International Journal of Human-Computer Studies (IJHCS), 72 (4), S. 367–382, 2014.
Fatih Gedikli, Dietmar Jannach: Improving recommendation accuracy based on item-specific tag preferences. In: ACM Transactions on Intelligent Systems and Technology (TIST), 4 (1), S. 1–19, 2013.