Faktorisierungs-Modelle sind Modelle des Maschinellen Lernens, die Größen basierend auf Vergangenheitsdaten vorhersagen, z.B. Kundenpräferenzen oder Gesundheitsrisiken. Faktorisierungs-Modelle behandeln insbesondere Probleme, in denen die Interaktion zwischen Objekten vorhergesagt werden soll, über die nicht viele Informationen vorliegen. Sie werden sehr erfolgreich in verschiedenen Gebieten eingesetzt, beispielsweise in Business Analytics, einer Form der Datenauswertung zur strategischen Unternehmenssteuerung. Mit Hilfe von Faktorisierungsmodellen sollen Kunden bestimmte Produkte empfohlen werden.
Die Arbeitsgruppe Wirtschaftsinformatik und Maschinelles Lernen (Information Systems and Machine Learning Lab, ISMLL) von Prof. Dr. Lars Schmidt-Thieme forscht an der Stiftung Universität Hildesheim bereits seit mehreren Jahren an Faktorisierungs-Modellen. Jüngst gewannen die Forscher einen Preis für den besten wissenschaftlichen Artikel auf der international renommierten World-Wide-Web Konferenz, die an der Weiterentwicklung des Internets zur verbesserten Nutzbarkeit für Wissenschaft, Kultur und Gesellschaft arbeitet.
Da Anwendungen üblicherweise nicht nur durch eine Relation beschrieben werden, sondern durch mehrere – z.B. Relationen wie Kunde-kauft-Produkt, Kunde-betrachtet-Produkt, Produkt-hat-Eigenschaften – sind Modelle, die mehrere Relationen für ihre Vorhersagen verwenden können, derzeit Gegenstand der Forschung. Das Projekt Multirelationale Faktorisierungs-Modelle wird verschiedene dieser Modelle und zugehörige Lern-Algorithmen erforschen.
Das Projekt läuft über einen Zeitraum von drei Jahren von 2011 - 2014. Die DFG finanziert so eine weitere Forschungsstelle am wachsenden Fachbereich 4 der Stiftungsuniversität Hildesheim. "Wir sind stolz, von der DFG für unsere bisherige Arbeit gewürdigt zu werden. Mit den zusätzlichen Mitteln können wir verstärkt in die Erforschung von Faktorisierungsmodellen gehen. Das Ziel unserer Bemühungen ist es, einerseits die Vorhersagegüte zu verbessern, andererseits ein tieferes theoretisches Verständnis dafür zu bekommen, warum und wann diese Modelle erfolgreich eingesetzt werden können", fasst Prof. Schmidt-Thieme die Projektziele zusammen.
