Fragen zur Klausur SS 2004

Moderator: Web Mining

STeiNy
Erstie
Erstie
Beiträge: 17
Registriert: 30. Okt 2005 09:59

Fragen zur Klausur SS 2004

Beitrag von STeiNy » 2. Jul 2008 23:11

Bei der Bearbeitung der Aufgaben sind uns folgende Fragen gekommen. Es wäre gut, wenn ihr dazu mal eure Lösungsansätze posten könntet. Vielen Dank!

Aufgabe 4b: besitzt eine SVM eine Ähnlichkeitsfunktion? Und wie würde diese aussehen?
Aufgabe 5b: Kann man jetzt Hubs & Authorities verwenden? (wurde ohne Abschluss kontrovers diskutiert)
Aufgabe 5d: Wie viele Klassifikatoren sollen hier verwendet werden? (Es gab Argumente für 3, oder 1 Klassifikator)

Gruß,
Seb

Xelord
Sonntagsinformatiker
Sonntagsinformatiker
Beiträge: 225
Registriert: 23. Okt 2004 09:49

Re: Fragen zur Klausur SS 2004

Beitrag von Xelord » 3. Jul 2008 09:14

Aufgabe 5b: Laut meinem Verständnis ist es einsetzbar. Wurde sogar bereits eingesetzt, aber es ist zu langsam im Vergleich zum PageRank-Verfahren und deswegen gibt es gar kein (wenige) Suchmaschinen, die das einsetzen. Die Echtzeitberechnung der Hubs/Authorityscores ist eben das Problem.

SmilingJ
Sonntagsinformatiker
Sonntagsinformatiker
Beiträge: 292
Registriert: 5. Okt 2004 21:37
Kontaktdaten:

Re: Fragen zur Klausur SS 2004

Beitrag von SmilingJ » 3. Jul 2008 14:22

Xelord hat geschrieben:Aufgabe 5b: Laut meinem Verständnis ist es einsetzbar. Wurde sogar bereits eingesetzt, aber es ist zu langsam im Vergleich zum PageRank-Verfahren und deswegen gibt es gar kein (wenige) Suchmaschinen, die das einsetzen. Die Echtzeitberechnung der Hubs/Authorityscores ist eben das Problem.

die frage ist ja, ob es sich für den *praktischen* einsatz eignet .. da es doch arg langsam ist, sollte die antwort tendenziell eher nein sein.
Drei Menschen können ein Geheimnis bewahren, wenn zwei von ihnen tot sind. - Benjamin Franklin

Farnus
Mausschubser
Mausschubser
Beiträge: 47
Registriert: 12. Nov 2007 14:49

Re: Fragen zur Klausur SS 2004

Beitrag von Farnus » 3. Jul 2008 15:53

STeiNy hat geschrieben:Aufgabe 4b: besitzt eine SVM eine Ähnlichkeitsfunktion? Und wie würde diese aussehen?
Aufgabe 5b: Kann man jetzt Hubs & Authorities verwenden? (wurde ohne Abschluss kontrovers diskutiert)
Aufgabe 5d: Wie viele Klassifikatoren sollen hier verwendet werden? (Es gab Argumente für 3, oder 1 Klassifikator)
4b: IMO ja, bei der Maximierung der Begrenzung
5b: sehe ich wie Smiling3 also IMO nein, weil einfach zu teuer
5d: Ich schlage 2 Klassifiziere vor, einen für die Trainingsbeispiele und einen für das aktuelle Dokument.
'Studenten? Ja, du weißt schon. Diese dünnen Leute, meist sehr blaß. Immerhin ist dies eine Universität. Die Studenten gehören dazu, wie Ratten...' Terry Pratchett -Voll im Bilde-

sYsChOs
Windoof-User
Windoof-User
Beiträge: 28
Registriert: 9. Aug 2005 12:15

Re: Fragen zur Klausur SS 2004

Beitrag von sYsChOs » 4. Jul 2008 11:46

Farnus hat geschrieben:
STeiNy hat geschrieben:Aufgabe 4b: besitzt eine SVM eine Ähnlichkeitsfunktion? Und wie würde diese aussehen?
Aufgabe 5b: Kann man jetzt Hubs & Authorities verwenden? (wurde ohne Abschluss kontrovers diskutiert)
Aufgabe 5d: Wie viele Klassifikatoren sollen hier verwendet werden? (Es gab Argumente für 3, oder 1 Klassifikator)
4b: IMO ja, bei der Maximierung der Begrenzung
5b: sehe ich wie Smiling3 also IMO nein, weil einfach zu teuer
5d: Ich schlage 2 Klassifiziere vor, einen für die Trainingsbeispiele und einen für das aktuelle Dokument.
4b: ich sehe bei einer SVM keine Ähnlichkeitsfuktion.

5d: Warum 2 Klassifizierer? Du willst einen trainieren und den untrainierten zum Testen benutzen??? Also ich würde sage, ein Klassifizierer wird benutzt.

Xelord
Sonntagsinformatiker
Sonntagsinformatiker
Beiträge: 225
Registriert: 23. Okt 2004 09:49

Re: Fragen zur Klausur SS 2004

Beitrag von Xelord » 4. Jul 2008 12:14

Ähnlichkeitsfunktion in SVM, wüsste ich auch nicht, wo die sein soll.
1 Klassifizierer sollte IMO ausreichen.

Werwolf
Windoof-User
Windoof-User
Beiträge: 39
Registriert: 10. Sep 2004 10:25

Re: Fragen zur Klausur SS 2004

Beitrag von Werwolf » 2. Okt 2008 13:51

Hätte da eine Frage zur Aufgabe 2.

2-e und 2-f gehen ja darum Studenten zu "helfen" passende Vorlesungen zu finden.
In 2-f wird ja gefragt welche Technik man benutzten könnte und ich hab mir einfach k-means Clustering gedacht. Aber wie kann ich dabei noch die Note des Studenten berücksichtigen ?
Oder ist in dieser Aufgabe eine andere Technik gefragt ?
Und wenn ja welche würdet Ihr benutzen ?

levitin
Kernelcompilierer
Kernelcompilierer
Beiträge: 435
Registriert: 7. Okt 2007 15:36
Wohnort: Darmstadt

Re: Fragen zur Klausur SS 2004

Beitrag von levitin » 17. Jul 2010 10:09

Werwolf hat geschrieben:2-e und 2-f gehen ja darum Studenten zu "helfen" passende Vorlesungen zu finden.
In 2-f wird ja gefragt welche Technik man benutzten könnte und ich hab mir einfach k-means Clustering gedacht. Aber wie kann ich dabei noch die Note des Studenten berücksichtigen ?
Oder ist in dieser Aufgabe eine andere Technik gefragt ?
Und wenn ja welche würdet Ihr benutzen ?
ich würde hier Collaborative Filtering einsetzten, und zwar in 2-e memory based und in 2-f model based

2-e) Memory Based Collaborative Filtering

Matrix: Studenten / Lernveralstaltungen. Einträge sind die Noten.

ua = aktiver user;
empfohleneVeranstaltungen = null;
for(i : alleVeralstaltungen){
1)add to empfohleneVeranstaltungen die geschätzte Wahrscheinlichkeitsnote, mit welcher Ua die Veranstaltung i abschließen würde.
2)m(u) unbedingt betrachten
}
empfohleneLernveranstaltungen nach der geschätzten Note sortieren und dem aktiven User empfehlen.


2-f) Model Based Collaborative Filtering mit Users-Clustering

Antworten

Zurück zu „Web Mining“