Information Filtering Services
| Modul: | BINF-SWT-SE.S08 |
| Semester: | Wintersemester |
| Art: | PJ (6 SWS / 6 LP) |
| LV-Nr.: | 0435 L 734 |
| Veranstalter: | Albayrak, Scheel |
| Zeit: | Dienstag, 12-14 Uhr |
| Erster Termin: | 21.10.2008 |
| Raum: | TEL 1315 |
Zu dieser Lehrveranstaltung anmelden!
Beschreibung
Dieses Projekt behandelt das Information Retrieval unter Nutzung der Beziehungen zwischen Objekten und deren semantischen Beschreibungen. Ziel des Projektes ist es die semantischen Beschreibungen von Objekten zu nutzen, um Wissenschaftlern am praktischen Beispiel zu helfen ihre Informationsbedürfnisse zu formulieren oder Empfehlungen auszusprechen. Hierfür wird PIA als vorhandene Basis-Implementation genutzt werden. PIA ist eine wissenschaftliche Suchmaschine, aber keineswegs auf das Finden von wissenschaftlichen Papieren limitiert.
Wenn wir unser Informationsbedürfnis textuell formulieren gehen wir intuitiv davon aus, dass wir in PIA wissenschaftliche Papiere bekommen die diesen Text enthalten. Wenn wir die Anfrage aber nicht textuell formulieren, sondern semantische Objekte übergeben, hat man ähnliche Erwartungshaltungen. So erwartet man ähnliche Dokumente, wenn man ein Dokument als Anfrage stellt oder ähnliche Suchen, wenn man eine Suche zur Anfrage hinzufügt.
In PIA ist diese Art von Suche durch einen Avatar implementiert. Man kann Objekte zum Avatar ziehen und damit schnell und einfach eine Anfrage stellen. Aufgabe für eine Gruppe ist es alternative Aktionen zu implementieren. Dafür müssen mit den gegebenen Informationen weitere Informationen beschaffen werden. Ihr behandelt Fragen wie: "Welche Aktion wird ausgelöst, wenn man eine Konferenz zum Avatar zieht?", entwickelt Szenarien und werdet diese dann umsetzen.
Zum Einsatz können Algorithmen des Maschinellen Lernens, Social Network Analysis Strategien, sowie Techniken des Information Retrieval wie Query Reforming kommen.
Lernziele
Dieses Projekt behandelt aktuelle Themen aus dem Gebiet der Informationsfilterung: Neuronale Netze, Entscheidungsbäume, Indexierungsverfahren, Data Mining, Bayes’sche Inferenz sowie intelligente Kombination der verschiedenen Filterungsverfahren und Merkmalsextraktion. Die Teilnahme am Projekt bietet den Studierenden die Möglichkeit, durch die Umsetzung der Filterungsverfahren innerhalb eines klar umgrenzten Themas die Methodik des wissenschaftlichen Arbeitens kennen zu lernen. Dazu gehören Literaturrecherche, wissenschaftlicher Vortrag, Präsentationserstellung und Umsetzung von Filterungsverfahren. Zu Beginn des Projekts wird eine Einführung in das wissenschaftliche Arbeiten im Rahmen eines Vortrags gegeben.
Organisation
Entsprechend den einzelnen Gruppenaufgaben wird euch ein wissenschaftlicher Berater zugeordnet. Dieser wird mit euch Probleme analysieren und Lösungen diskutieren. Er wird Meilensteine überwachen und mit Rat und Tat zur Seite stehen.
Es wird jeweils zwei Meilensteine geben, die vor allen Teilnehmern präsentiert werden. Ziel des ersten Meilensteins ist eine funktionierende Implementierung, die dann in einem zweiten finalen Meilenstein evaluiert und nach PIA transferiert wird.
| 21.10. | Einführung und Überblick |
| 28.10. | Einarbeitung und Vergabe von Vortragsthemen, Gruppenbildung |
| 04.11. | Seminarvorträge: Information Retrieval, Indizierung |
| 11.11. | Seminarvorträge: Social Network Analysis, Tagging-Empfehlungen |
| 18.11. | Seminarvorträge: Social Bookmarking, Web Crawling |
| 25.11. | Präsentation und Diskussion der Ideen für Meilenstein 1 |
| 02.12. | Rückfragen, Hilfen |
| 09.12. | Rückfragen, Hilfen |
| 16.12. | Rückfragen, Hilfen |
| 06.01. | Rückfragen, Hilfen |
| 13.01. | Meilenstein 1: Funktionierende Implementation |
| 20.01. | Rückfragen, Hilfen |
| 27.01. | Rückfragen, Hilfen |
| 03.02. | Rückfragen, Hilfen |
| 10.02. | Meilenstein 2: Evaluierung des Implementation, Integration in PIA, Dokumentation, Abschlussbesprechung |
Voraussetzungen
- Hilfreich sind Kenntnisse aus den Vorlesungen Grundlagen der Künstlichen Intelligenz und Maschinelles Lernen
- Grundlegendes Verständnis der Objektorientierten Programmierung und Java-Kenntnisse
Prüfungsmodalitäten, Anforderungen
Für Diplomstudierende kann diese Lehrveranstaltung in eine Prüfung in den Bereichen KI, BKS und WVA eingebracht werden.
Die Inhalte der Veranstaltung werden im Rahmen einer mündlichen Rücksprache überprüft.
Anstelle eines Skripts werden kommentierte Folien unterichtsbegleitend bereitgestellt.
Technische Informatik BSc ( 5. - 6. Semester ) - Wahlpflichtfach
Informatik BSc ( 5. - 6. Semester ) - Wahlpflichtfach
Informatik D ( 5. - 12. Semester ) - Wahlpflichtfach
Ansprechperson
Copyright TU Berlin 2007