Statistisches Maschinelles Lernen in Semantischen Graphen

Statistisches Maschinelles Lernen in Semantischen Graphen

Veranstaltungsart:
Kolloquium Angewandte Informatik

---

Zunehmend beschäftigt sich Statistisches Maschinelles Lernen (SML) mit reichhaltigeren relationalen und semantischen Datenstrukturen. Ein Grund hierfür ist natürlich die wachsende Bedeutung vernetzter Systeme: Beispiele sind das WWW, soziale Netze und die unterschiedlichen komplexen Netzwerke in den Life Sciences. Aber auch ein Patient in einer Klinik wird in Zukunft weniger als „statistischer Datenpunkt" modelliert werden, sondern als soziales Wesen mit komplexen vielfältigen Beziehungen und Attributen und unterschiedlichsten Vernetzungen. Als grundlegende Datenstrukturen in der Modellierung dienen zunehmend Semantische Graphen. Diese findet man im Semantischen Web aber auch in anderen aktuellen Anstrengungen zur Wissensmodellierung wie der YAGO Ontologie. Unser Engagement zu diesen Themen bewegt sich im Rahmen von zwei großen Förderprojekten, einmal dem BMWi-geförderten THESEUS Projekt und zum andern im EU FP7 LarKC Projekt. Ein Ziel unserer Arbeiten in beiden Projekten ist es, mit Verfahren des SML statistische Regularitäten zu finden, die man z.B. nur schwierig mit logischen Ausdrücken beschreiben kann. In meinem Vortrag werden ich einige unserer Anstrengungen hier vorstellen, wie unser Infinite Hidden Relational Model (IHRM), unser SUNS Framework und unsere neueren Arbeiten zur Tensorfaktorisierung. Letztere eignen sich besonders zur Modellierung dynamischer Effekte.

(Dr. Volker Tresp)

---

Start: 19. Januar 2011 um 14:00
Ende: 19. Januar 2011 um 15:00

Im Gebäude 11.40, Raum: 253

Veranstaltung vormerken: (iCal)

Veranstalter: Forschungsgruppe(n) Wissensmanagement
Information: Media:Kolloquium Tresp 19 01 11.pdf