Web Mining - SS 08

Web Mining - Data Mining im Internet

LVA 20.0101.1 und 20.0101.2 im Vorlesungsverzeichnis der TU Darmstadt, SS 08. Zur Übungsseite

Die Klausurergebnisse hängen an der Pinnwand neben Raum S202/E306 aus und sind auch über das WebReg-System aufrufbar. Die Klausureinsicht findet am Mittwoch, den 3.9.08 von 10-12 Uhr in E302 statt.

Forum

Für diese Veranstaltung wurde bei der Fachschaft ein Forum eingerichtet.

Anrechnung

Diese Vorlesung ist im Diplomstudium Informatik dem Bereich 3 (Anwendungsorientierte Informatik) bzw. im Masterstudium Informatik dem Bereich Data and Knowledge Engineering zugeordnet. Sollten Sie die Vorlesung Information Retrieval bei Thomas Hofmann besucht haben, erhalten Sie aufgrund der großen stofflichen Überlappung für beide Vorlesungen zusammen nur 5 SWS.

Übersicht

Das World-Wide Web verschafft jedem Internet-User Zugang zu einer stetig wachsenden Informationsfülle, die ohne entsprechende Unterstützung nicht mehr zu überschauen ist. Web Mining ist eine junge Forschungsrichtung, die versucht, das Problem mit Hilfe von Techniken des Maschinellen Lernens und Data Minings in den Griff zu bekommen. In dieser Vorlesung werden sowohl Grundlagen von Information Retrieval und Text Classification vermittelt, als auch auf die Ausnutzung der Besonderheiten von Web-Dokumenten (d.h., ihre Strukturierung und ihre Vernetzung) eingegangen.

Übungen

In den Übungen werden die Studenten praktische Implementierungen einiger der in der Vorlesung behandelten Techniken erstellen bzw. mit existierenden Systemen arbeiten. Die Teilnahme an den Übungen ist optional, es können aber Bonuspunkte für die Klausur erworben werden, allerdings nur bei Bestehen der Klausur.

Allgemeine Informationen zu den Übungen und die aktuellen Übungsaufgaben finden Sie hier. Alles weitere wird in den Veranstaltungen mitgeteilt oder an dieser Stelle bekannt gegeben.

Zeitplan

Die vorläufige Planung ist die folgende:
  • Do 03.04. Vorlesung
  • Di 08.04. Vorlesung
  • Do 10.04. Vorlesung
  • Di 15.04. Vorlesung
  • Do 17.04. Vorlesung
  • Di 22.04. 1. Übung
  • Do 24.04. Keine Vorlesung
  • Di 29.04. Vorlesung
  • Do 01.05. Feiertag
  • Di 06.05. 2. Übung
  • Do 8.5. Vorlesung
  • Do 15.5. Vorlesung
  • Di 20.5. Übung
  • Do 22.5. Feiertag
  • Do 29.5. Vorlesung
  • Di 3.6. Übung
  • Do 5.6. Vorlesung
  • Do 12.6. Vorlesung
  • Di 17.6. Übung
  • Do 19.6. keine Vorlesung
  • Do 26.6. Vorlesung
  • Di 1.7. Übung
  • Do 3.7. keine Vorlesung

Klausur

Die Klausur findet am 4.7.2008 von 16 bis 18 Uhr in Raum 08 im S311 statt, siehe Prüfungstermine Informatik Master. Die Bearbeitungszeit beträgt 90 Minuten. Als Hilfsmittel ist ein handbeschriebenes DIN A4 Blatt (Vorder- und Rückseite) erlaubt. Für die Klausur ist eine Anmeldung über das WebReg-System notwendig.

Die Klausur aus diesem Semester:

Alte Klausuren:

Topics & Slides:

Momentan verlinkt sind die Folien der letzten Veranstaltung, die auch dieses Jahr die Basis der Vorlesung bilden werden. Gegenfalls werden die Folien jedoch im einigen Punkten angepaßt oder ergänzt werden. Die modifizierten Version werden dann die alten Versionen ersetzen (spätestens nach der jeweiligen Vorlesung).

  • Introduction
    • Web Mining Overview
    • The Web, HTTP, HTML, DOM, XPath
    • Data Mining Overview
    • Structured, Semi-Structured and Unstructured Data
    • Sample Web Mining Tasks
  • Information Retrieval on the Web (Last Update: 11.4.)
    • search engines & web crawlers
    • document indexing
    • the vector space model
    • inverted index
    • performance measures (recall & precision)
    • relevance feedback
    • estimating the size of the web
  • Text Mining
    • text classification (Last Update: 8.5.)
      • document representation
      • induction of classifiers (k-NN, Naive Bayes, SVMs, Rule Learners)
      • Overfitting Avoidance
      • Evaluation of Classifiers
    • feature engineering (Last Update: 8.5.)
      • stop words
      • feature subset selection
      • n-grams
      • stemming
      • phrases
      • latent semantic indexing
    • semi- and unsupervised learning (Last update: 28.5.)
      • clustering (k-means, bottom-up agglomerative)
      • semi-supervised learning (active learning, self-training, co-training)
  • Structure mining
    • the Web as a graph
    • hyperlink-based relevance ranking (hubs and authorities, page rank)
    • hypertext classification (Naive Method, HyperClass, hyperlink ensembles)
  • Information Extraction & Wrapper Induction
    • conventional information extraction (AutoSlog)
    • structured text (LR-Wrappers)
    • semi-structured text (SoftMealy, WHISK, SRV, RAPIER)
  • Recommender Systems (Last Update: 1.7.)
    • memory-based collaborative filtering
    • model-based collaborative filtering

Text Books

Ein Großteil des Materials, das in der Vorlesung behandelt wird (und viel mehr), wird in diesem Buch abgedeckt: Chakrabarti book cover
Einige Teile der Vorlesung werden sich auch an diesem Buch orientieren: book cover Information Retrieval

Additional Readings

Zusätzliche Informationen finden sich in folgenden Resourcen:

Kontakt

Johannes Fürnkranz, Eneldo Loza Mencía, Lorenz Weizsäcker

A A A | Drucken | Impressum | Sitemap | Suche | Mobile Version
zum Seitenanfangzum Seitenanfang