Logo des Repositoriums

Auflistung nach Schlagwort "Data Mining"

1 - 10 von 22
  • Textdokument
    Analyse von Heizungs- und Lüftungsverhalten mit Data Mining Methoden
    (INFORMATIK 2020, 2021) Westhäusser, Lutz; Nickel, David; Behrens, Grit; Schlender, Klaus
    In dem hier beschriebenen Projekt wird interdisziplinär mit Psychologen zusammen gearbeitet. Ziel der Arbeit ist es, Modelle zu entwickeln, um das Umweltverhalten von Hausbewohnern positiv zu beeinflussen und zu verstetigen. In der hier beschriebenen Arbeit werden die ersten Daten aus dem ‚Reallabor' Sennestadt genutzt, die in den Wohnungen von freiwilligen Studienteilnehmern zu ihrem Heizungs-und Lüftungsverhalten erhoben werden. Mittels Machine Learning Technologien werden diese Daten analysiert.
  • Konferenzbeitrag
    Automated Statement Extraction from Press Briefings
    (BTW 2023, 2023) Keller, Jüri; Bittkowski, Meik; Schaer, Philipp
    Scientific press briefings are a valuable information source. They consist of alternating expert speeches, questions from the audience and their answers. Therefore, they can contribute to scientific and fact-based media coverage. Even though press briefings are highly informative, extracting statements relevant to individual journalistic tasks is challenging and time-consuming.To support this task, an automated statement extraction system is proposed. Claims are used as the main feature to identify statements in press briefing transcripts. The statement extraction task is formulated as a four-step procedure. First, the press briefings are split into sentences and passages, then claim sentences are identified with a single-label multi-class sequence classification. Subsequently, topics are detected, and the sentences are filtered to improve the coherence and assess the length of the statements.The results indicate that claim detection can be used to identify statements in press briefings. While many statements can be extracted automatically with this system, they are not always as coherent as needed to be understood without context and may need further review by knowledgeable persons.
  • Konferenzbeitrag
    Cloud-Based Data Classification Framework for Cultural Heritage Conservation
    (INFORMATIK 2024, 2024) Rashid, Shaimaa; Qasha, Rawaa
    Nineveh is one of ancient cities of Iraq, ruled by various civilizations throughout the ages. As a result, Nineveh retains different types of tangible and intangible cultural heritage with different values that show its importance. This research contributes to the digital archiving process of the culture heritage of Nineveh by suggesting a cloud-based framework that classifies the text data obtained from various heterogonous data sources according to the type, values, civilization, and time to which they belong. We used four classical machine learning algorithms to train the classifier, such as Multinomial Naive Bayes, Support Vector Machines, Random Forest, and K Nearest Neighbors. We then chose the classifier with the highest accuracy to classify the obtained texts automatically. The finding showed that the K-Nearest Neighbors classifier is the best classifier to be adopted in the classification process.
  • Konferenzbeitrag
    Data Extraction for Associative Classification using Mined Rules in Pediatric Intensive Care Data
    (BTW 2023, 2023) Das, Pronaya Prosun; Mast, Marcel; Wiese, Lena; Jack, Thomas; Wulf, Antje
    Based on the characteristics of health and medical informatics, data mining techniques that were designed to tackle healthcare problems are faced with new challenges. One such challenge is to prepare medical data for pattern mining or machine learning. In this paper, we present a feature engineering technique for the Associative Classification of the Systemic Inflammatory Response Syndrome (SIRS) in severely ailing children by mining Associative Rules. SIRS is characterized as the body's excessive defense response due to malevolent stressors such as trauma, acute inflammation, infection, malignancy, and surgery. It can have an impact on the clinical outcome and elevate vulnerability for organ dysfunctions. We aim to extract the features from given datasets using a specific extraction process and after the transformation, those features are used to mine rules using Association Rule Mining. Those rules are used to perform Associative Classification and evaluated with the result generated by SIRS criteria defined by the experienced clinicians. The mined rules provide better control over sensitivity and specificity than the SIRS criteria.
  • Konferenzbeitrag
    Data Mining in Peer-to-Peer-Systemen
    (Workshop Gemeinschaften in Neuen Medien (GeNeMe) 2004, 2004) Kolweyh, Magnus; Lechner, Ulrike
    Aus der Einleitung:\"Neben „klassischen“ virtuellen Gemeinschaften, die einen gemeinsamen Netzort für die Interaktion benutzen und die auf technischer Ebene vornehmlich durch den Einsatz von Client-Server-Architekturen gekennzeichnet sind, lassen sich Gemeinschaftsformen identifizieren, deren Ursprung in vollkommen dezentralen Peer-to-Peer (P2P)-Netzen liegt. Diese P2P-Gemeinschaften haben in einigen Anwendungsgebieten wie dem Filesharing großen Erfolg [SF02].\"
  • Zeitschriftenartikel
    Data Mining mit unsicheren Daten
    (HMD Praxis der Wirtschaftsinformatik: Vol. 55, No. 3, 2018) Kellner, Florian; Schröder, Nadine
    Im Zeitalter von Big Data werden immense Informationsbestände aus unterschiedlichen Quellen gesammelt. Die Daten sind häufig unvollständig, unsicher und ungenau. Ein Beispiel hierfür ist das OpenStreetMap Projekt, bei dem Nutzer auf der ganzen Welt einmal mehr und einmal weniger „sauber“ bzw. vollständig Daten beisteuern. In diesem Beitrag wird gezeigt, ob sich diese Daten eignen um ein betriebswirtschaftliches Problem zu lösen. Ein konkretes Fallbeispiel verdeutlicht, wie gut Standortentscheidungen einer Fast Food Kette unter Anwendung fortgeschrittener datenanalytischer Verfahren, wie bspw. Künstlicher Neuronaler Netze, Entscheidungsbäume und Logit-Modelle, nachempfunden werden können. Als Grundlage dienen die Daten des OpenStreetMap Projekts. Im Konkreten geht es darum, potenzielle Filialstandorte hinsichtlich deren Güte mittels OpenStreetMap Daten zu klassifizieren und die prognostizierten Lokationen mit tatsächlichen Standortentscheidungen zu vergleichen. Dabei zeigt sich, dass die Daten des OpenStreetMap Projekts grundsätzlich für die Prognose von Standorten geeignet sind. Allerdings ist die Wahl des datenanalytischen Verfahrens von Bedeutung. Im vorliegenden Fall konnte mit Hilfe der Künstlichen Neuronalen Netze das beste Prognoseergebnis erzielt werden. In the age of big data, a huge amount of information is being collected from diverse sources. These data are often incomplete, uncertain, and imprecise. An excellent example is the OpenStreetMap project, where users across the whole world contribute data on a more or less precise and complete level. This article shows whether these data are suited to support management decisions. A real-world example illustrates the extent to which location decisions of a fast food restaurant chain may be reproduced by means of advanced data analytic techniques, such as neural networks, decision trees, and logit models. The data are retrieved form the OpenStreetMap project. The basic task deals with classifying potential locations of the fast food restaurant chain and comparing the predicted locations with the actual locations. We find that data based on the OpenStreetMap project are generally suited for forecasting locations. However, the choice of the data analytic technique is important. In the case under consideration, neural networks resulted in the best forecast.
  • Konferenzbeitrag
    Data Mining von multidimensionalen Qualitätsdaten aus einer computerintegrierten industriellen Fertigung zur visuellen Analyse von komplexen Wirkzusammenhängen
    (Datenbanksysteme für Business, Technologie und Web (BTW 2017) - Workshopband, 2017) Birnbaum, Frederick; Moewes, Christian; Nicklas, Daniela; Schmid, Ute
  • Zeitschriftenartikel
    Data-Mining-Anwendungsarchitektur
    (Wirtschaftsinformatik: Vol. 46, No. 1, 2004) Petersohn, Helge
    The ability to combine domain specific knowledge and special knowledge about using mathematical-statistical methods for analyzing big data bases at present time is not wide-spread in science and business.For the near future, an increase in data mining applications can be expected. So, one needs instruments to support non-specialists in using specific knowledege about data mining.In this paper a data mining architecture is introduced. Its main advantage is to offer a systematical scheme for data mining methods. These methods are structured with reference to applications.The data mining application architecture is a decision and structuring support for data mining problems to users, scientists and students.
  • Zeitschriftenartikel
    Datenmanagement und -exploration an der RWTH Aachen
    (Datenbank-Spektrum: Vol. 13, No. 1, 2013) Seidl, Thomas
    Der Lehrstuhl für Informatik 9 (Datenmanagement und -exploration) an der RWTH Aachen beschäftigt sich mit Data Mining- und Datenbanktechnologien für multimediale und räumlich-zeitliche Daten in ingenieur-, natur-, lebens-, wirtschafts- und sozialwissenschaftlichen Anwendungen. Sowohl die große Menge an Daten als auch die Komplexität der einzelnen Objekte bergen unterschiedliche Herausforderungen für die Analyse und Exploration realer Daten, denen wir mit der Entwicklung neuer effektiver sowie effizienter Konzepte für Datenanalyse und Datenmanagement begegnen.
  • Zeitschriftenartikel
    Filterblasen verstehen
    (Informatische Bildung in Schulen (IBiS): Vol. 1, No. 1, 2023) Pöhner, Nicolai
    „Vorschläge für dich“ ist ein beliebtes Feature des sozialen Netzwerkes Instagram. Dieses Feature schlägt Usern ähnlich Inhalte vor, die gut zu ihren bisherigen Interessen passen. Dadurch entstehen sogenannte „Filterblasen“, in denen User personalisierte Feeds erhalten. Soziale Netzwerke nutzen dieses und andere Features, um die User noch länger auf ihrer Plattform zu halten. Aber wie entstehen die personalisierten Vorschläge? Sie sind das Ergebnis von Data-Mining in sozialen Netzwerken. Dieser Artikel erklärt, wie Data-Mining in sozialen Netzwerken funktioniert, welche Vor- und Nachteile Filterblasen haben und wie diese Inhalte Schülerinnen und Schüler einfach und anschaulich im Informatikunterricht der Sekundarstufe 1 vermittelt werden können.