Learning by Pairwise Comparison for Problems with Structured Output Spaces

• Applicants: Professor Dr. Johannes Fürnkranz; Professor Dr. Eyke Hüllermeier
• Subject Area: Image and Language Processing, Computer Graphics and Visualisation, Human Computer Interaction, Ubiquitous and Wearable Computing
• Term: from 2007 to 2014
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 39338330

Lernen durch paarweisen Vergleich (learning by pairwise comparison, LPC) ist eine etablierte Technik im Bereich des maschinellen Lernens, wo sie üblicherweise verwendet wird, um Mehrklassen- Probleme auf binäre Klassifikationsprobleme zurückzuführen. In einigen neueren Arbeiten wurde diese Technik auch bereits erfolgreich in komplexeren, über die einfache Klassifikation hinausgehenden Lern-Szenarien eingesetzt. Motiviert werden entsprechende Erweiterungen u.a. durch überwachte Lernprobleme mit strukturierten Ausgaberäumen, die im maschinellen Lernen zurzeit ein sehr aktuelles Thema sind; beispielhaft genannt seien hier Ranking-Probleme sowie Klassifikationsprobleme mit geordneten oder hierarchisch strukturierten Klassenattributen... (Tabelle)....Ausgehend von diesen Entwicklungen setzt sich das Projekt zum Ziel, das Potential des LPC-Ansatzes für Lernprobleme mit strukturierten Ausgaberäumen einer systematischen Untersuchung zu unterziehen sowie die Anwendbarkeit dieser Familie von Techniken substanziell zu erweitern. Erste wichtige Schritte zur Erreichung dieses Ziels konnten bereits während der ersten Förderphase des Projektes gemacht werden. Diese Teilerfolge sollen nunmehr im Rahmen einer Verlängerung ausgebaut und vervollständigt werden. Die Vision des Projekts ist ein allgemeiner Rahmen, in dem Lernprobleme mit strukturierten Ausgaberäumen auf einheitliche Art und Weise formalisiert und gelöst werden können. Neben den entsprechenden methodischen Weiterentwicklungen wird sich dieses Projekt intensiv mit der Untersuchung der theoretischen Eigenschaften des LPC-Ansatzes beschäftigen, insbesondere mit einer genauen Charakterisierung der Problemklassen, die mit ihr gelöst werden können, sowie mit der Komplexität der gefundenen Lösungsansätze. Darüber hinaus ist eine gründliche empirische Evaluierung und ein Vergleich mit alternativen Ansätzen geplant.

• DFG Programme: Research Grants