Lernen von Fuzzy-Präferenzmodellen: Methoden und Anwendungen in personalisierten Informationssystemen

• Applicant: Professor Dr. Eyke Hüllermeier
• Subject Area: Image and Language Processing, Computer Graphics and Visualisation, Human Computer Interaction, Ubiquitous and Wearable Computing
• Term: from 2004 to 2012
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 5434296

• Final Report Year: 2008

Final Report Abstract

Im Rahmen des Projektes wurden Methoden zum automatisierten Lernen von Präferenzmodellen auf der Grundlage entsprechender Beobachtungen (partikuläre Information über Präferenzen in Form empirischer Daten) entwickelt. Aufgrund ihrer bereits im Antrag genannten Vorzüge haben Fuzzy-Präferenzmodelle, also Modelle auf der Basis der Theorie unscharfer Mengen, hierbei besondere Berücksichtigung gefunden. Ein erster wichtiger Schritt des Projektes bestand darin, die Lernprobleme aus Sicht des maschinellen Lernens zu konkretisieren und adäquat zu formalisieren. Hierbei haben sich insbesondere zwei interessante Lernszenarien ergeben, das label ranking und das object ranking. Für beide Probleme wurden unterschiedliche Lernverfahren entwickelt; Methoden für das label ranking basierend auf dem Prinzip des paarweisen Vergleichens bzw. des fallbasierten Lernens, und Methoden für das object ranking durch Lernen einer zugrunde liegenden Nutzenfunktion. Schließlich wurden prototypische Anwendungen dieser Methoden realisiert, und zwar im Kontext eines Empfehlungssystems für Ferienhäuser sowie eines Systems zur personalisierten Informationssuche.

Publications

• Calibrated label-ranking. In: S. Agarwal, C. Cortes, and R. Herbrich, editors, Proceedings of the NIPS-05 Workshop on Learning to Rank, pages 1-6. Whistler, BC, Canada, 2005
  K. Brinker and E. Hüllermeier
  
• Learning label preferences: Ranking error versus position error. In: A. Famili, J. Kok, J. Pena, A. Siebes, and A. Feelders, editors, Proceedings IDA-05, 6th International Symposium on Intelligent Data Analysis, pages 180-191, Madrid, 2005. Springer-Verlag
  E. Hüllermeier and J. Fürnkranz
  
• On position error and label ranking through iterated choice. In: Proceedings LWA/FGML-05, German Workshop on Machine Learning, pages 158-163, Saarbrücken, Germany, October 2005
  E. Hüllermeier, J. Fürnkranz, and J. Beringer
  
• Preference learning. Künstliche Intelligenz, 1/05:60- 61, 2005
  J. Fürnkranz and E. Hüllermeier
  
• A unified model for multilabel classification and ranking. In: G. Brewka, S. Coradeschi, A. Perini, and P. Traverso, editors. Proceedings ECAI-06, 17th European Conference on Artificial Intelligence, pages 489-493, Riva del Garda, Italy, 2006
  K. Brinker, J. Fürnkranz, and E. Hüllermeier
  
• Case-based label ranking. In: Proceedings ECML-06, 17th European Conference on Machine Learning, pages 566-573, Berlin, September 2006. Springer-Verlag
  K. Brinker and E. Hüllermeier
  
• Classification via fuzzy preference learning. In: R. Mikut and M. Reischl, editors, Proceedings 16th Workshop Computational Intelligence, pages 190-199, Dortmund, Germany, 2006
  E. Hüllermeier and K. Brinker
  
• Fuzzy methods in case-based recommendation and decision support. Journal of Intelligent Information Systems, 27:95-115, 2006
  D. Dubois, E. Hüllermeier, and H. Prade
  
• Case-based multilabel ranking. In: Proceedings IJCAI-07, 20th International Joint Conference on Artificial Intelligence, pages 701- 707, Hyderabad, India, January 2007
  K. Brinker and E. Hüllermeier
  
• Fuzzy-relational classification: Combining pairwise decomposition techniques with fuzzy preference modeling. In: Proceedings EUSFLAT- 07, 5th International Conference of the European Society for Fuzzy Logic and Technology, volume 1, pages 353-360, Ostrava, Czech Republic, September 2007
  E. Hüllermeier and Klaus Brinker
  
• Interactive ranking of skylines using machine learning techniques. In: Proceedings LWA-07, Workshop Lernen-Wissen-Adaption, pages 141-148, Halle/Saale, Germany, 2007
  W. Cheng, E. Hüllermeier, B. Seeger, and I. Vladimirskiy
  
• Label ranking in case-based reasoning. In: M. Richter and R. Weber, editors, Proceedings ICCBR-07, 7th International Conference on Case-Based Reasoning, number 4626 in LNAI, pages 77-91, Belfast, Northern Ireland, 2007. Springer-Verlag
  K. Brinker and E. Hüllermeier
  
• On minimizing the position error in label ranking. In: Proceedings ECML-07, 17th European Conference on Machine Learning, Warsaw, Poland, September 2007. Springer-Verlag
  E. Hüllermeier and J. Fürnkranz