Web Mining - SS 06

LVA 20.139.1/2 im Vorlesungsverzeichnis der TU Darmstadt, SS 06.

Forum

Das Forum befindet sich auf den alten Forumseiten der Fachschaft.

Klausur

Die Ergebnisse der Klausur hängen am Brett neben Raum E 304 aus und sind außerdem über das WebReg-System einsehbar.

Alte Klausuren:

Anrechnung

Für Diplom-Studenten Informatik ist diese Vorlesung für den Bereich 3 (Anwendungsorientierte Informatik) anrechenbar. Aufgrund der großen stofflichen Überlappung mit der Vorlesung Information Retrieval bei Th. Hofmann, erhalten Sie in Summe jedoch nur 5 SWS angerechnet, falls Sie diese beiden Vorlesungen einbringen wollen.

Für Master-Studenten gilt Analoges für den Kanonik-Bereich Data und Knowledge Engineering.

Overview

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 (i.e., 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 Gutpunkte für die Klausur erworben werden, allerdings nur bei Bestehen der Klausur.

Allgemeine Informationen zu den Übungen finden Sie hier. Jede Gruppe muß nur einmal abgeben, aber klarerweise sollten die Gruppenmitglieder aus der Abgabe ersichtlich sein.

Topics & Slides:

Momentan verlinkt sind die Folien des Vorjahrs, 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 (V1.2, 26.4.)
    • 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 (V1.3, 11.5.)
    • 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 (V1.3, 1.6.)
      • document representation
      • induction of classifiers (k-NN, Naive Bayes, SVMs, Rule Learners)
      • Overfitting Avoidance
      • Evaluation of Classifiers
    • feature engineering
      • stop words
      • feature subset selection
      • n-grams
      • stemming
      • phrases
      • latent semantic indexing
    • semi- and unsupervised learning
      • clustering (k-means, bottom-up agglomerative)
      • semi-supervised learning (active learning, self-training, co-training)
  • Structure mining (V1.0, 6.6.)
    • 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 (V1.1, 13.7.)
    • memory-based collaborative filtering
    • model-based collaborative filtering

Additional Slides

  • Folien zum Textbuch gibt es hier.

Text Book

Ein Großteil des Materials, das in der Vorlesung behandelt wird (und viel mehr), wird in diesem Buch abgedeckt: Chakrabarti book cover

Additional Readings

Zusätzliche Informationen finden sich in folgenden Resourcen:

Kontakt

Johannes Fürnkranz

Kontakt

small ke-icon

Knowledge Engineering Group

Fachbereich Informatik
TU Darmstadt

S2|02 D203
Hochschulstrasse 10

D-64289 Darmstadt

Sekretariat:
Telefon-Symbol+49 6151 16-21811
Fax-Symbol +49 6151 16-21812
E-Mail-Symbol info@ke.tu-darmstadt.de

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