Die Gruppe für Maschinelles Lernen und Wirtschaftsinformatik (ISMLL) gewinnt die diesjährige
ECML/PKDD Discovery Challenge
Die Universität Hildesheim wird nach der diesjährigen ECML/PKDD Discovery Challenge, die gleichzeitig mit der ECML (European Conference on Machine Learning) und der PKDD (Principles and Practice of Knowledge Discovery in Databases) stattfand, nicht wo schnell in Vergessenheit geraten. Unter den 13 teilnehmenden Forschergruppen aus sieben verschiedenen Ländern haben zwei Teams der Universität Hildesheim den ersten (Steffen Rendle) und zweiten (Leandro Balby Marinho und Christine Preisach) Platz der zweiten Aufgabe des Wettbewerbs erzielt (http://www.kde.cs.unikassel. de/ws/dc09/results).
Die diesjährige Discovery Challenge bestand aus drei Aufgaben aus dem Bereich „Social Bookmarking“. Social Bookmarking ist heutzutage eine beliebte Aktivität im Web, auf diesen BookmarkingWebsites teilen Nutzer zum Beispiele ihre Photos (in Flickr), Webseiten und wissenschaftlichen Publikationen (in BibSonomy) oder Musik (in Last.fm) mit anderen Nutzern aus einer Gemeinschaft und haben die Möglichkeit ihre Inhalte (z.B. Photos in Flickr, Soundtrack in Last.fm) mit so genannte Tags frei gewählte Schlüsselwortezu versehen um diese thematisch zu kategorisieren.
Das Ziel aller drei Aufgaben im Wettbewerb war es die Nutzer mit TagEmpfehlungen zu unterstützen, das heißt, nachdem ein Nutzer eine Resource in das System hochgeladen hat, wird ihm von dem Empfehlungssystem eine Liste von Tags, die mit hoher Wahrscheinlichkeit von dem Nutzer für diese Resource benutzt werden wird, empfohlen. Die Daten für den Wettbewerb stammten aus dem „Social Bookmark and Publication Sharing System BibSonomy“. Die Trainingsdaten wurden am Anfang der Challenge bereitgestellt, die Testdaten, bestehend aus Nutzer/ResourcePaaren mit unbekannten Tags wurden allerdings erst 48 Stunden vor dem Ende des Wettbewerbs veröffentlicht. Für alle Aufgaben sollten die Teilnehmer eine Liste von Tags für eine gegebenes Nutzer/Resource Paar, die den wahren Tags, die nur den Organisatoren bekannt waren, so nah wie möglich kamen, empfehlen. Die ISMLLTeams haben an der zweiten Aufgabe teilgenommen, die besonders auf Methoden, die nur die Graphenstruktur der Trainingsdaten berücksichtigen, abzielte, das heißt, die Testdaten enthielten keine neuen Tags, Nutzer oder Ressourcen
Die Gruppe für Maschinelles Lernen und Wirtschaftsinformatik (ISMLL), unter der Leitung von Prof. Dr. Dr. Lars SchmidtThieme, betätigt sich aktiv im Bereich Empfehlungssyteme und beschäftigt sich mit einem breiten Themenspektrum aus dem Bereich Maschinelles Lernen. Laut Leandro Balby Marinho war dieses KnowHow einer der Schlüsselfaktoren zum Erfolg. Die Gruppe wirkt an verschiedenen europäischen und nationalen Projekten mit. Unter anderem arbeitet die ISMLL Gruppe in dem europäischen Projekt MyMedia (Dynamic Personalization of Multimedia) und dem nationalen EFRE Projekt LEFOS mit. Im Projekt MyMedia werden neue Verfahren zur Personalisierung von MultimediaInhalten entwickelt. Die Aufgabe der Gruppe innerhalb des Projektes ist es, personalisierte Empfehlungssysteme für Multimedia Inhalte zu entwickeln. Im Projekt LEFOS liegt der Schwerpunkt ebenfalls auf Empfehlungssysteme, dort werden Empfehlungssysteme für den Rossmann Online Shop in Zusammenarbeit mit der Compra GmbH entwickelt.
Die beiden Teams die diese beachtliche Leistung erzielt haben sind:
Steffen Rendle und Lars SchmidtThieme mit ihrem Ansatz „Factor Models for Tag Recommenations in Bibsonomy“;
Leandro Balby Marinho, Christine Preisach und Lars SchmidtThieme mit ihrer Methode „Relational Classification for Personalized Tag Recommendations“.
Steffen Rendle ist in der ISMLLGruppe Projektleiter des MyMediaProjektes. Die beiden Teams haben trotz Zusammenarbeit eigene, unabhängige Methoden entwickelt, das heißt der Forschungsgemeinschaft konnten somit verschiedene interessante Aspekte des Problems präsentiert werden, was ein weiterer, positiver Nebeneffekt des breiten Themenspektrums ist, das die ISMLL Gruppe abdeckt.
Die Universität Hildesheim wird nach der diesjährigen ECML/PKDD Discovery Challenge, die gleichzeitig mit der ECML (European Conference on Machine Learning) und der PKDD (Principles and Practice of Knowledge Discovery in Databases) stattfand, nicht wo schnell in Vergessenheit geraten. Unter den 13 teilnehmenden Forschergruppen aus sieben verschiedenen Ländern haben zwei Teams der Universität Hildesheim den ersten (Steffen Rendle) und zweiten (Leandro Balby Marinho und Christine Preisach) Platz der zweiten Aufgabe des Wettbewerbs erzielt (http://www.kde.cs.unikassel. de/ws/dc09/results).
Die diesjährige Discovery Challenge bestand aus drei Aufgaben aus dem Bereich „Social Bookmarking“. Social Bookmarking ist heutzutage eine beliebte Aktivität im Web, auf diesen BookmarkingWebsites teilen Nutzer zum Beispiele ihre Photos (in Flickr), Webseiten und wissenschaftlichen Publikationen (in BibSonomy) oder Musik (in Last.fm) mit anderen Nutzern aus einer Gemeinschaft und haben die Möglichkeit ihre Inhalte (z.B. Photos in Flickr, Soundtrack in Last.fm) mit so genannte Tags frei gewählte Schlüsselwortezu versehen um diese thematisch zu kategorisieren.
Das Ziel aller drei Aufgaben im Wettbewerb war es die Nutzer mit TagEmpfehlungen zu unterstützen, das heißt, nachdem ein Nutzer eine Resource in das System hochgeladen hat, wird ihm von dem Empfehlungssystem eine Liste von Tags, die mit hoher Wahrscheinlichkeit von dem Nutzer für diese Resource benutzt werden wird, empfohlen. Die Daten für den Wettbewerb stammten aus dem „Social Bookmark and Publication Sharing System BibSonomy“. Die Trainingsdaten wurden am Anfang der Challenge bereitgestellt, die Testdaten, bestehend aus Nutzer/ResourcePaaren mit unbekannten Tags wurden allerdings erst 48 Stunden vor dem Ende des Wettbewerbs veröffentlicht. Für alle Aufgaben sollten die Teilnehmer eine Liste von Tags für eine gegebenes Nutzer/Resource Paar, die den wahren Tags, die nur den Organisatoren bekannt waren, so nah wie möglich kamen, empfehlen. Die ISMLLTeams haben an der zweiten Aufgabe teilgenommen, die besonders auf Methoden, die nur die Graphenstruktur der Trainingsdaten berücksichtigen, abzielte, das heißt, die Testdaten enthielten keine neuen Tags, Nutzer oder Ressourcen
Die Gruppe für Maschinelles Lernen und Wirtschaftsinformatik (ISMLL), unter der Leitung von Prof. Dr. Dr. Lars SchmidtThieme, betätigt sich aktiv im Bereich Empfehlungssyteme und beschäftigt sich mit einem breiten Themenspektrum aus dem Bereich Maschinelles Lernen. Laut Leandro Balby Marinho war dieses KnowHow einer der Schlüsselfaktoren zum Erfolg. Die Gruppe wirkt an verschiedenen europäischen und nationalen Projekten mit. Unter anderem arbeitet die ISMLL Gruppe in dem europäischen Projekt MyMedia (Dynamic Personalization of Multimedia) und dem nationalen EFRE Projekt LEFOS mit. Im Projekt MyMedia werden neue Verfahren zur Personalisierung von MultimediaInhalten entwickelt. Die Aufgabe der Gruppe innerhalb des Projektes ist es, personalisierte Empfehlungssysteme für Multimedia Inhalte zu entwickeln. Im Projekt LEFOS liegt der Schwerpunkt ebenfalls auf Empfehlungssysteme, dort werden Empfehlungssysteme für den Rossmann Online Shop in Zusammenarbeit mit der Compra GmbH entwickelt.
Die beiden Teams die diese beachtliche Leistung erzielt haben sind:
Steffen Rendle und Lars SchmidtThieme mit ihrem Ansatz „Factor Models for Tag Recommenations in Bibsonomy“;
Leandro Balby Marinho, Christine Preisach und Lars SchmidtThieme mit ihrer Methode „Relational Classification for Personalized Tag Recommendations“.
Steffen Rendle ist in der ISMLLGruppe Projektleiter des MyMediaProjektes. Die beiden Teams haben trotz Zusammenarbeit eigene, unabhängige Methoden entwickelt, das heißt der Forschungsgemeinschaft konnten somit verschiedene interessante Aspekte des Problems präsentiert werden, was ein weiterer, positiver Nebeneffekt des breiten Themenspektrums ist, das die ISMLL Gruppe abdeckt.