Multirelationale Faktorisierungsmodelle

• Antragsteller: Professor Dr. Lars Schmidt-Thieme
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2011 bis 2014
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 195220647

Viele Probleme des Maschinellen Lernens lassen sich als Vervollständigung einer partiell beobachteten Relation zwischen nominalen Variablen mit vielen Ausprägungen beschreiben. Beispielsweise beobachtet man in Online-Shops, welche Produkte von welchen Kunden gekauft werden, und versucht basierend auf diesen Informationen vorauszusagen, an welchen weiteren Produkten ein Kunde noch Interesse haben könnte (Empfehlungssystem; Relation Kunde-kauft- Produkt). — Neben der zu vervollständigen Zielrelation steht meist weitere Information in Form weiterer Relationen zur Verfügung, die ebenfalls zwischen nominalen Variablen mit vielen Ausprägungen bestehen und partiell beobachtet sein können (etwa Produkt-besitzt-Eigenschaft). Im hier beschriebenen Projekt sollen (i) Faktorisierungsmodelle für eine höherstellige Relation, die als Tensorfaktorisierung bezeichnet werden, systematisch untersucht werden, insb. sollen Verfahren erforscht werden, die die Interaktions-Struktur der verschiedenen Variablen automatisch entdecken und geeignete Parameter schätzen können, (ii) Faktorisierungsmodelle für mehrere Relationen untersucht werden, insb. für asymmetrische Problemstellungen, in denen zur Vervollständigung einer Zielrelation weitere Hilfsrelationen faktorisiert werden.

• DFG-Verfahren: Sachbeihilfen