Prof. Spiliopoulou
Prof. Dr. Myra Spiliopoulou
Institut für Technische und Betriebliche Informationssysteme (ITI)
Aktuelle Projekte
TACTIC -KI für antagonistische Co-Evolution
Laufzeit: 01.08.2024 bis 31.12.2027
Die Graduiertenschule 'TACTIC: Towards Co-Evolution in Human-Technology Interfaces' fokussiert auf der Untersuchung der Co-Evolution an der Mensch-Technologie-Schnittstelle, sowohl auf der biologischen als auch der technischen Seite eines Interfaces. Ein Ziel von TACTIC ist die Erstellung digitaler Zwillinge zur Beschreibung des menschlichen und technischen Systems als einen zusammenhängenden Prozess. Hierfür werden KI-Verfahren zur Steuerung der Co-Evolution zwischen menschlichem Element (etwa Gewebe) und nicht-menschlichem Element (etwa Implantat) konzipiert und validiert. Schwerpunkt von diesem Teilprojekt ist die antagonistische Co-Evolution, bei der Schäden in der Schnittstelle zwischen einem Organ und seiner (technischen) Umgebung entstehen könnten. Ziel ist, sich anbahnende antagonistische Co-Evolution frühzeitig zu erkennen und Interventionsstrategien zur Behebung der antagonistischen Muster zu erstellen.
AI CoWorking Lab - Teilprojekt "Temporale Lernmethoden für Strategieerkennung und -adaption"
Laufzeit: 01.04.2024 bis 31.03.2027
Das AI CoWorking Lab ist ein Verbund von 8 Forschenden: Prof. Dr. Ayoub Al-Hamadi (Neuro-Information Technology), Prof. Dr. Julia Arlinghaus (Production Systems and Automation), Prof. Dr. Benjamin Noack (Autonomous Multisensor Systems), Prof. Dr. Andreas Nürnberger (Data & Knowledge Engineering), SPRECHER Prof. Dr. Frank Ortmeier (Software Engineering), Prof. Dr. Myra Spiliopoulou (Knowledge Management & Discovery), Prof. Dr. Sebastian Stober (Artificial Intelligence) und Prof. Dr. Andreas Wendemuth (Cognitive Systems). Der Verbund ist eingebettet in die "Productive Teaming" Initiative (https://forschungsnetzwerk-chim.de/productive-teaming/) innerhalb des Forschungsnetzwerkes "Chemnitz-Ilmenau-Magdeburg (CHIM)" (https://forschungsnetzwerk-chim.de/).
Hauptziel des Gesamtantrages "AI Co-Working Lab" ist das Ermöglichen zukünftiger "Productive Teaming" Produktionssysteme, in denen Menschen und Maschinen auf Augenhöhe zusammenarbeiten. Das "AI Co-Working Lab" baut auf bestehenden Kompetenzschwerpunkten auf und nutzt Methoden der künstlichen Intelligenz.
In diesem Teilprojekt werden wir temporale Lernmethoden entwickeln, um die Handlungen von Menschen in Interaktion mit einer beruflichen Umwelt vorherzusagen. Die Interaktionsdaten werden wir in einem multimodalen Raum modellieren: als Modalitäten werden wir zum einen Sensoren betrachten, welche die Handlungen erfassen, zum anderen Stimuli, welche die Handlungen beeinflussen.
TACTIC (Towards co-evolution in human-technology interfaces)
Laufzeit: 01.01.2024 bis 01.02.2027
Wissenschaftliche Ziele
Die Idee der Co-Evolution an der Mensch-Technologie-Schnittstelle beruht darauf, dass sowohl die biologische Seite wie auch die technische Seite eines Interfaces nicht nur dynamisch und adaptiv sind, sondern in ihrer Adaptivität die der Gegenseite mitberücksichtigen. Die Untersuchung dieser Beeinflussung führt zu einem vertieften Verständnis der Ursachen nicht-gewünschter Prozesse, etwa bei der Maladaption entzündlicher Prozesse an unerwünschte Veränderungen der Implantat-Oberflächen. Mit diesem Verständnis eröffnen sich dann neue Strategien, gewünschte Prozesse im Sinne einer Co-Evolution zu unterstützen. Hierzu zählen Möglichkeiten adaptiver Technologien und Sensorik-Ansätzen, die sich auf individuelle Dynamiken im biologischen System einstellen können, oder auch die Entwicklung von Prozess-bewussten Technologien, die gewünschte Dynamiken im biologischen System herbeiführen können.
Intendierte Strategische Ziele
Die TACTIC GS-Module sind so ausgerichtet, dass zusätzliche translationale Expertisen auf dem Querschnittsbereich der Medizintechnik, Sensorik, und Künstliche Intelligenz (KI) am Standort gestärkt werden können, mit dem Ausblick, die Forschungs-, Entwicklungs- und Innovationsaktivitäten im Land zu stärken. Eine enge Verschränkung von Lebenswissenschaften und Ingenieurswissenschaften wird über alle Module angestrebt, um zukünftige Verbundprojekte in diesem Bereich zu ermöglichen. Darüber hinaus soll durch die Einbindung von KI eine Stärkung des Profilbereichs Medizintechnik entstehen. Durch Internationalisierung der Forschungsschwerpunkte ermöglicht TACTIC eine Vernetzung mit EU-Partnern, was eine wichtige Voraussetzung für die Ausrichtung von Konsortien ist, um auch die Wissenschaft in Sachsen-Anhalt zu stärken.
Arbeitsprogramm
Die GS umfasst 3 Module mit insgesamt 9 Promovierenden. Die thematische Vernetzung entsteht durch Promotionsthemen, denen parallel mindestens zwei thematische Module zugeordnet sind. Jedes der 3 thematischen Module – Interaction, KI und Interface – wird mit je 3 Promotionsstellen (100%) ausgestattet. Ziel ist es, unsere Promovierenden sowohl für den akademischen, als auch privatwirtschaftlichen Arbeitsmarkt zu qualifizieren. Durch Doktorandenseminare soll interdisziplinäre Kompetenz vermittelt werden. Durch jährlichen Thesis-Komitee-Meetings und-TACTIC Symposien wird die Entwicklung der Promovierenden unterstützt. Ein internat. Netzwerk soll durch Präsentationen auf internat. Kongressen und selbstorganisierten Symposien aufgebaut werden.
Verfolgung von Unsicherheiten in der Mensch-Maschine-Interaktion zur Objektklassifizierung in der Industrie 4.0
Laufzeit: 01.10.2023 bis 30.09.2025
Betrachten wir die Aufgabe der Klassifizierung verformter Objekte in einem industriellen Umfeld, wo der Begriff "verformt" Objekte umfasst, die mit geometrischen Abweichungen behaftet, korrodiert oder gebrochen sind. Es ist eine schwierige Klassifizierungsaufgabe zu erkennen, ob ein solches Objekt repariert, zerlegt werden kann, um seine Bestandteile anderweitig zu verwenden, oder ob es dem Recycling zugeführt werden soll. Trotz der Fortschritte der künstlichen Intelligenz bei der Klassifizierung von Objekten auf der Grundlage von Bildern erfordert die Klassifizierung von verformten Objekten immer noch menschliches Engagement, da jedes dieser Objekte einzigartig ist. Idealerweise sollte die intelligente Maschine nur dann die Unterstützung eines Experten in Anspruch nehmen, wenn sie sich über die Klasse unsicher ist. Was aber, wenn der Mensch ebenfalls unsicher ist?
In diesem Projekt untersuchen wir Methoden zur unauffälligen Erkennung menschlicher Unsicherheit und aktive Algorithmen zur Erfassung von Merkmalen, um die maschinelle Unsicherheit zu verringern. Wir beabsichtigen auch, Referenzdatensätze zu erstellen, in denen die menschliche Unsicherheit kontrolliert und gemessen wird. Unsere Zusammenarbeit wurde durch die Netzwerkaktivitäten von CHIM (https://forschungsnetzwerk-chim.de/) angestoßen.
Dieser Text wurde mit DeepL übersetzt
Abgeschlossene Projekte
Teilautomatisierung der Evaluation von Bewerbungen der internationalen Masterstudiengänge
Laufzeit: 01.06.2024 bis 31.12.2024
Die Anzahl der Bewerbungen für den data science Master Data & Knowledge
Engineering (MDKE) und für den Master Digital Engineering (MDigiEng) ist
in den letzten Semestern stark angestiegen. Für das Wintersemester
2024/2025 hatte MDKE derzeit 189 Bewerbungen und MDigiEng 85 (Stand: 5.
Juni 2024). Wie der 'Ordnung zur Durchführung des hochschulinternen
Verfahrens zur Eignungsfeststellung für die Masterstudiengänge Data and
Knowledge Engineering und Digital Engineering' (EFO) vom April 2021 zu
entnehmen ist, umfasst die Evaluation mehrere Kriterien, die der
Diversität der Karrierewege der internationalen Bewerber*innen Rechnung
tragen. Ziel von diesem Projekt ist die Unterstützung des
Evaluationsprozesses durch digitale Dienste, welche auf die von
uni-assist bereitgestellten Inhalte zugreifen und diese für die
Auswertung durch die Evaluator*innen der Fakultät für Informatik
vorbereiten. Das Vorhaben erfolgt im Rahmen der Maßnahme 22,
insbesondere 'Digitale Infrastruktur ausbauen', und der Maßnahme 25,
insbesondere 'Verbesserung der Auswahlverfahren'.
Annotator-Machine-Interaction
Laufzeit: 01.01.2015 bis 31.12.2023
Dieses interne Projekt umfasst Experimente, die das Verhalten von Annotatoren bei schwierigen Aufgaben untersuchen. Seit 2019 entwirft das OVGU-Team im KMD-Experimentierlabor Experimente, um das Vertrauen der Annotatoren und dessen Zusammenhang mit der Annotationsqualität bei Beschriftungsaufgaben zu untersuchen. Dieses Fachwissen wird im ITN genutzt, um den Prozess der Identifizierung von Ausreißern in den Daten zu unterstützen.
Im Folgenden stellen wir kurz zwei aktuelle Experimente vor:
In Zusammenarbeit mit der Universitätsmedizin Greifswald führen wir Annotationsexperimente an Gesundheitsdaten aus einer bevölkerungsbasierten Studie durch. Die Aufgabe der Triplett-Annotation besteht darin, zu entscheiden, ob ein Individuum eher einem Gesunden oder einem Menschen mit einer bestimmten Erkrankung ähnelt. Als Beispiel für eine Erkrankung wurde die hepatische Steatose herangezogen und die Individuen mit 10 vorausgewählten Merkmalen beschrieben, die mit dieser Erkrankung zusammenhängen. Wir erfassen die Aufgabendauer, die elektrodermale Aktivität als Stressindikator und die von den Versuchsteilnehmern (n = 29 Nicht-Experten und drei Experten) angegebene Unsicherheit für 30 Triplets. Wir haben einen künstlichen ähnlichkeitsbasierten Annotator (Artificial Similarity-Based Annotator, ASBA) erstellt und seine Korrektheit und Unsicherheit mit den Angaben der Versuchsteilnehmer verglichen.
Weitere Informationen finden Sie unter Veröffentlichungen.
Dieses erste Experiment bildete die Grundlage für weitere laufende Experimente zum Einfluss von Konfigurationen auf die Annotatorleistung.
Technologien spielen eine wichtige Rolle für die Annotationsqualität von Beschriftungsaufgaben. Daher arbeiten wir derzeit an einem systematischen Review zu Virtual Reality für medizinische Annotationsaufgaben. Unsere Arbeit untersucht die Vorteile, die VR für eine bessere Erfahrung und für ein besseres Verständnis der Annotatoren bietet.
Dieser Text wurde mit DeepL übersetzt
UNITI - Unification of Treatments and Interventions for Tinnitus Patients
Laufzeit: 01.01.2020 bis 30.09.2023
WE STAND UNIT(I)ED AGAINST TINNITUS!
Tinnitus ist die Wahrnehmung eines Phantom-Geräusches und die Reaktion der Betroffenen darauf. Obwohl viele Fortschritte erzielt wurden, bleibt Tinnitus ein wissenschaftliches und klinisches Rätsel mit hoher Prävalenz und hoher wirtschaftlicher Belastung. Er betrifft mehr als 10% der Allgemeinbevölkerung. Ca. 1% der Bevölkerung betrachtet Tinnitus als ihr wichtigstes Gesundheitsproblem. Eine große Vielfalt von Patientencharakteristika - einschließlich Genotypisierung, Ätiologie und Phänotypisierung - wird kaum verstanden, da integrierte Systemansätze noch fehlen. Obwohl die genetischen Ursachen von Tinnitus jahrzehntelang vernachlässigt wurden, haben jüngste Ergebnisse der genetischen Analyse in bestimmten Untergruppen (Geschlecht und Phänotyp) gezeigt, dass der bilaterale Tinnitus bei Männern eine Heritabilität von 0,68 erreicht hat. Über die Behandlung von Tinnitus gibt es derzeit keinen Konsens. Das übergeordnete Ziel von UNITI ist es, ein prädiktives Berechnungsmodell auf der Grundlage vorhandener und longitudinaler Daten zu liefern, das versucht, die Frage zu beantworten, welcher Behandlungsansatz für einen bestimmten Patienten auf der Grundlage bestimmter Parameter optimal ist. Klinische, epidemiologische, medizinische, genetische und audiologische Daten werden aus bestehenden Datenbanken analysiert. Es werden prädiktive Faktoren für verschiedene Patientengruppen extrahiert und ihre prognostische Relevanz in einer Randomized Controlled Trial (RCT) getestet, in der verschiedene Patientengruppen eine Kombination von Therapien durchlaufen, die auf das auditorische und zentrale Nervensystem abzielen.
Die AG von Prof. Spiliopoulou wird an Methoden des maschinellen Lernens arbeiten, für die Vorhersage des Erfolgs von Behandlungsverfahren, für die Analyse der Patient*innen- Compliance und für die Untersuchung der Wechselwirkungen von Compliance und Behandlungserfolg, sowie an die Ableitung von Phenotypen für Kliniken, die unterschiedliche Fragebögen und Behandlungen nutzen, aber trotzdem eine Vergleichbarkeit ihrer Vorgänge und ihrer Behandlungsvorgänge anstreben.
Das Projekt wird gefördert durch das EU-Rahmenprogramm für Forschung und Innovation Horizont 2020 (Grant Agreement Nr. 848261).
Entity-Centric Learning on Streams
Laufzeit: 16.03.2017 bis 15.03.2023
This internal project emanated from the project OSCAR+, funded by the German Research Foundation on entity-centric learning over streams. As part of the ongoing activities, the OVGU team investigates efficient management of entities and active, cost-sensitive acquisition of features that contribute to model learning and adaption.
Mining für die Analyse von klinischen Daten zu Tinnitus
Laufzeit: 08.08.2018 bis 31.12.2022
Tinnitus ist eine höchst bedeutsame - oft unterschätzte - gesundheitsökonomische Einflussgröße, sowie ein globales Gesundheitsproblem, das die Lebensqualität von Millionen Menschen erheblich beeinträchtigt. Befunde weisen auf subgruppen-spezifische Unterschiede in Bezug auf Prävention, Assessment, Management und Behandlung von Tinnitus hin. Derzeit gibt es keine Therapie-Art, die als Gold-Standard für alle PatientInnen effektiv ist. Weiterhin liegen keine systematischen Untersuchungen zum Einfluss von Geschlecht auf chronischen Tinnitus vor.
In diesem Projekt entwickeln wir in Zusammenarbeit mit dem Tinnituszentrum der Charité-Universitätsmedizin Berlin Data-Mining-Verfahren, um wesentliche Subgruppen und deren Bestimmungsfaktoren in Bezug auf den Schweregrad von Tinnitus, dessen Komorbiditäten und Therapieeffekte zu identifizieren. Dazu nutzen wir einen hochdimensionalen Datensatz mit umfangreichen Angaben von PatientInnen mit chronischem Tinnitus zu Tinnitusbelastung, somatischen Problemen, psychologischen Komorbiditäten, psychosozialen Risikofaktoren, gesundheitsbezogener Lebensqualität und verschiedenen Soziodemografika.
Das Hauptziel des Projekts ist, subgruppen-spezifische Behandlungshypothesen und -modelle abzuleiten, die anschließend in klinischen Settings umgesetzt, empirisch überprüft und schließlich disseminiert werden können.
Entwicklung eines Test zur Diagnostik von Immunkompetenz bei SeniorInnen mit Hilfe von Data-mining Methoden (ImmunLearning)
Laufzeit: 01.03.2018 bis 30.09.2022
Während das Altern ein unabwendbarer Prozess aller Menschen ist, gibt es in der Geschwindigkeit der damit einhergehenden funktionellen Veränderungen enorme Unterschiede. Auch das Immunsystem ist dem Alterungsprozess unterworfen. Die Evolution hat das Immunsystem generiert, um eine schnelle und spezifische Abwehr von Pathogenen abzusichern. Mit dem Alter sinkt diese Schlagkraft und insbesondere der Verlauf einer Infektion ist dramatischer bei vielen Senioren, oft mit tödlichem Ausgang. Beispiele sind die Infektion durch Staphylococcus aureus oder die Lungenentzündung - eine häufige und oft tödliche Folge von kurzzeitiger Bettlägerigkeit. Auslöser sind in den meisten Fällen Bakterien, oft Pneumokokken, können aber auch Infektionen durch Viren, Pilze oder Parasiten sein. Ein Testsystem zur Einschätzung der Immunkompetenz gegen bestimmte Pathogene könnte frühzeitig Risikopersonen identifizieren. Als Konsequenz könnten z. B. Medikamente umgestellt werden, bei medizinischen Eingriffen oder Therapien von chronischen Entzündungen oder bei Anwendung der immunbasierten Krebstherapie könnte die Therapie angepasst werden, von Implantaten könnte ganz abgesehen werden. Die angepasste Therapie könnte lebensrettend sein und Autonomie im Alter absichern.
In diesem Vorhaben analysieren wir die Daten von Testpersonen mit hoher versus niedriger Immunkompetenz mit Methoden des maschinellen Lernens und identifizieren Muster zu identifizieren, die für Senior*innen mit hoher bzw. niedriger Immunkompetenz charakteristisch sind. Zudem untersuchen wir Ansätze zur Messung von Zytokinwerten mit Hilfe von low-end Smartphone Tehnologien.
QUALIMAN: Qualitätssicherung Master DKE, DigiEng..
Laufzeit: 15.05.2018 bis 31.12.2021
Qualiman ist eine Reihe von fakultätsinternen Projekten zu Qualitätsmanagement der internationalen Studiengänge der FIN. Im Projekt werden Kriterien zum Studiumserfolg bestimmt, entsprechende Daten erfasst und analysiert, Einflussfaktoren identifiziert, Handlungsempfehlungen abgeleitet, realisiert und weiterbewertet.
ESIT: European School for Interdisciplinary Tinnitus Research
Laufzeit: 01.04.2017 bis 31.03.2021
Together with University Medicine Regensburg, University Ulm and Donau University Krems (Austria), we study the disease profiles and evolution of patients with the chronical, presently incurable disease tinnitus. The KMD group develops methods for the analysis of patients undergoing ambulatory hospital treatment, methods to understand the Ecological Momentary Assessments of patients interacting with the mobile app Track Your Tinnitus, and methods to understand discusions on treatments in the social platform TinnitusTalk (in cooperation with the platform owner TinnitusHub). Starting in summer 2017, we are involved in the ESIT Network of Excellence. More about ESIT at: http://esit.tinnitusresearch.net/
CHRODIS PLUS Joint Action
Laufzeit: 01.09.2017 bis 31.08.2020
Together with University Ulm, Center of Research and Technology Hellas (Greece), Univeristy Medicine Regensburg and Donau University Krems (Austria), we work on platforms for patient empowerment. In the EU JOINT ACTION CHRODIS+, launched in September 2017, we work in Task 7.3 on pilots for the implementation of mHealth tools for fostering quality of care of patients with chronic diseases. More about CHRODIS+ at: http://chrodis.eu/
Stream-Mining-Methoden für die Vorhersage von Trajektorien in medizinischen Daten
Laufzeit: 01.03.2017 bis 29.02.2020
In der medizinischen Forschung, insbesondere in epidemiologischen Längsschnittstudien und bei der Überwachung von Patienten mit chronischen Krankheiten, unterziehen sich die Teilnehmer wiederholt einer großen Anzahl von Untersuchungen. Die über einen Teilnehmer im Laufe der Zeit aufgezeichneten Daten können als multivariate Zeitreihe oder als hochdimensionale Trajektorie modelliert werden, wobei die Dimensionen die gemäß dem Untersuchungsprotokoll aufzuzeichnenden Variablen sind. Die Vorhersage künftiger Aufzeichnungen und der Kennzeichnungen bestimmter Variablen (Ergebnisse) ist für die Gewinnung von Erkenntnissen aus medizinischen Daten unerlässlich. Die Forschung zur Vorhersage in Zeitreihen und Trajektorien hat jedoch einigen Herausforderungen, die bei der Erhebung epidemiologischer Daten im Laufe der Zeit auftreten, noch nicht genügend Aufmerksamkeit geschenkt: (i) das Untersuchungsprotokoll kann sich von einem Zeitpunkt zum nächsten ändern, so dass sich die Menge der Dimensionen ändert; (ii) einige Untersuchungen werden nicht bei allen Teilnehmern durchgeführt, z. B. weil sie vom Geschlecht abhängen. Dies bedeutet, dass die Daten systematisch unvollständig sein können. Darüber hinaus ist die Teilnahme freiwillig, was bedeutet, dass die Teilnehmer einer epidemiologischen Studie aussteigen können, während die Teilnehmer eines Patientenüberwachungsprogramms unregelmäßig antworten können: Dies führt zu unterschiedlich langen Verläufen, was bedeutet, dass für einige Teilnehmer viele Daten verfügbar sind, für andere hingegen nur wenige Daten. Ziel dieser Arbeit ist es, Stream-Mining-Methoden auf neue Lösungen für die robuste Vorhersage des Verlaufs eines Patienten zu erweitern, die die oben genannten Herausforderungen überwinden, um die Diagnose und Behandlung zu erleichtern. Besonderes Augenmerk wird auf die Vorhersage der Entwicklung von Lebersteatose (Fettleber), die reversibel ist, und die Vorhersage von Kropf, der nicht reversibel ist, unter Verwendung von Daten aus der Study of Health in Pomerania (SHIP) gelegt.
Dieser Text wurde mit DeepL übersetzt
Medical Mining for Epidemiology and Clinical Research
Laufzeit: 01.01.2018 bis 31.12.2019
Medical mining is a broad research area, where mining methods are applied to solve problems of diagnostics and treatment, as well as for the understanding of disease progression. Medical mining encompasses learning on hospital records (for decision support in diagnosis and treatment), and learning on epidemiological data:
Data Mining in Epidemiological Studies:
We cooperate with the Institute of Community Medicine, University Medicine Greifswald, on the identification of risk factors and predictive factors for hepatic steatosis. In this cooperation, we study longitudinal data from the cohorts SHIP and SHIP-TREND (Study of Health in Pomerania). We develop methods for learning on high-dimensional, timestamped, multi-relational data. We address challenges of object dissimilarity, data skew and of missing information (due to changes in the recording protocol).
Within the Faculty of Computer Science, we work together with the Visualization Lab (Bernhard Preim) on medical mining and visual analytics for the analysis of the population studies' data of Univ Greifswald. Our joint emphasis is on building easily interpretable patterns.
Data Mining in Diabetology Research:
Together with the Diabetology clinic of the University of Magdeburg, we work on the analysis of plantar pressure and temperature patterns for patients with diabetic foot syndrome and we investigate the potential of intelligent wearables.
Cooperation with VisLab:
We cooperate with the Visualization Lab of the Faculty of Computer Science on the rupture status classification of intracranial aneurysms, using angiographic images. We develop methods for an automated rupture status assessment from feature extraction, to classification with subsequent feature ranking & inspection in order to identify the most important morphological and hemodynamic features.
Medical Mining with Supervised and Semisupervised Methods
Laufzeit: 01.12.2013 bis 30.11.2019
Classification models are widely used in a plethora of different applications to automatically assign objects into one of several pre-defined categories. In the context of Medical Mining, objects can be patients or study participants and the target outcome may be a disease or disorder under study. Here, the objects are often represented by multi-dimensional feature vectors and classification models are induced by learning associations between features and the medical outcome from a set of objects where the outcome is known. However, in real-world medical domains the objects can be complex and change over time, being described by various differently scaled features and background data containing additional information. To produce quality classification models here, relevant dimensions w.r.t. the class variable must be identified by utilizing methods that cater to the requirements of such objects while considering available background knowledge.
In our work we use labeled data, constraints on object similarity and historical records of patients / study participants to identify relevant explicit and implicit dimensions relevant to medical outcomes. We argue that current methods are not adequate in all regards for this task, inducing the need for new approaches:
Evolving objects are observed multiple times during their evolution. Traditional algorithms that identify relevant dimensions by using labeled training data cannot be applied. We therefore extend classical feature selection methods to handle evolving objects.
Sole consideration of labeled data to find relevant dimensions is not always practical. Such data may not exist or only in small quantities and considering additional background information regarding the objects under study may improve findings. We therefore develop methods that use constraints on the similarity of objects to substitute the need for labeled training data and find object-group specific relevant dimensions.
The evolution of objects described by their multiple observations can implicitly contain dimensions relevant to the classification task at hand. Omitting this dimensions can severely impede resultant classification model quality. We therefore develop strategies to derive dimensions from an object's evolution and develop a method to detect and codify relevant evolution patterns.
OSCAR: Ensemble-Methoden und Methoden des aktiven Lernens für die Klassifikation von Meinungsströmen
Laufzeit: 01.02.2017 bis 31.10.2019
With the rise of WEB 2.0, many people use social media to post opinions on almost any subject - events, products, topics. Opinion mining is used to draw conclusions on the attitude of people towards each subject; Such insights are essential for product design and advertisement, for event planning, political campaigns etc. As opinions accumulate, however, changes occur and invalidate the models from which these conclusions are drawn. Changes concern the general sentiment towards and subject to specific facets of this subject, as well as the words used to express sentiment. Subjects so change over time. In OSCAR, we seek to develop our opinion.
The first part of OSCAR is on streaming mining methods to deal with vocabulary changes. In text mining, the vocabulary words constitute the feature space. A change in the feature space means that the model has been updated. It is impractical to do such an update whenever a new word appears or a word gets out of use. In OSCAR, we rather want to accumulate information on the usage and sentiment of each word to highlight the long-term interplay between word polarity and document polarity. On this basis, we design methods that assess the importance of a word for model adaptation, update the vocabulary by using only words that remain important for some time, and adapt models gradually.
Second, we reduce the need for labeled documents. In stream classification, it is available at any time to label the arriving data instances. This assumption is in active learning, where only a few instances are chosen for labeling. Active learning methods assume a fixed feature space. In OSCAR, we want to develop active stream learning methods that learn and adapt polarity models to evolving feature space.
Third, we work on dealing with different types of change simultaneously. To this purpose, we use ensembles. We dedicate some ensemble members to the identification of topic trends, others to changes in the vocabulary and others to temporal changes, including periodical ones. We investigate ways of coordinating the ensemble members to ensure a smooth adaption of the final ensemble model at any time. The output of OSCAR will be a complete framework, encompassing active ensemble learning methods that deal with different forms of change and learn with limited expert involvement. The framework will also encompass coordinating components that weigh the contribution of individual models to the final one, and regulate the exchange of information between ensemble members and active learners.
We test OSCAR on real data, mainly from Twitter: we study how vocabulary changes and topics emerge and fade in streams of tweets for specific subject areas, and how they influence the learned model.
Dynamic Recommender Systems
Laufzeit: 01.04.2013 bis 01.04.2018
***Deutsch***
Recommender Systems (Empfehlungsmaschinen) gewinnen in letzter Zeit an Popularität. Viele Unternehmen haben das Potential der Recommender Systems erkannt und setzten sie erfolgreich ein. Die markantesten Beispiele umfassen Amazon, Netflix, YouTube, etc. Das Ziel des Projektes ist es, Recommenders zu entwickeln, die in der Lage sind aus schnellen und dynamischen Strömungsdaten die Nutzerpräferenzen zu lernen und so maßgeschneiderte, persönliche Empfehlungen zu erstellen. Die Herausforderung ist dabei das sich ständig verändernde Umfeld und die Erfassung der kontinuierlichen Evolution der Nutzer und des Umfeldes.
Einige der erfolgreichsten Methoden zur Erstellung personalisierter Empfehlungen basieren auf der Matrix-Faktorisierung. Diese Methoden, die besonders durch die sogenannte Netflix Competition bekannt wurden, zeigen eine hohe Treffsicherheit auch bei geringen Datenmengen. Allerdings arbeiten diese Methoden meistens auf statischen Daten, was in vielen reellen Anwendungsszenarien ein Ausschlusskriterium ist. Eine Teilaufgabe in diesem Projekt ist es, die Matrix-Faktorisierungsmethoden auf inkrementelle Arbeitsweise umzustellen, so dass sie auch mit Datenströmen umgehen können. Die Herausforderungen bestehen in hohen Effizienzanforderungen und sich zur Laufzeit verändernden Dimensionen der Datenräume. Des Weiteren sind Nutzerpräferenzen nicht statisch, sondern sie verändern sich über die Zeit. Deswegen besteht eine weitere Herausforderung darin, Algorithmen adaptiv zu machen, sodass sie sich an Veränderungen anpassen können. Dazu werden sogenannte Vergessensstrategien entwickelt, die veraltete Information finden und aus Präferenzmodellen entfernen.
***English***
Recommender Systems gain popularity in recent days. Numerous companies recognized the potential of recommender systems and use them with success. The most remarkable examples are Amazon, Netflix, Youtube, etc. The goal of this project is the development of recommender systems that are able to learn user preferences from fast and dynamic data streams. The main challenges are constant changes of the environment and capturing of users' evolving preferences.
The most successful methods in recommender systems are based on matrix factorization. Those methods reveal high accuracy also on sparse data. However, the most of them work on static datasets, which makes them inapplicable in real world scenarios. One of the goals of the project is to make those methods incremental and adaptive to changes over time. To achieve adaptation to changes we develop, so called, forgetting strategies that select outdated information and remove it from preference models. Further challenges are high efficiency requirements and constantly changing data space.
Medical Mining
Laufzeit: 01.01.2013 bis 01.01.2018
Medical Mining ist ein Forschungsgebiet, in dem Lernalgorithmen zur Unterstützung der Diagnose, Prävention und Therapie von Erkrankungen angewendet werden. Zu Medical Mining gehören u.a. Lernaufgaben zur Erkennung von Risikofaktoren und Schutzfaktoren, zur Identifizierung und Charakterisierung von Subpopulationen mit erhöhter Prävalenz einer Erkrankung oder Erfolgswahrscheinlichkeit einer Therapie.
Die Gruppe Knowledge Management & Discovery (KMD) befasst sich mit dem Monitoring und der Charakterisierung von Subpopulationen, die über die Zeit Änderungen bei der Prävalenz einer Erkrankung ausgesetzt sind. Zu den Herausforderungen gehört die Analyse von hochdimensionierten Räumen mit sehr wenigen Instanzen und die systematische Abwesenheit von Werten für manche Variablen zu manchen Zeitpunkten.
In Kooperation mit dem Institut für Community Medicine, Ernst-Moritz-Arndt Universität Greifswald, analysieren wir Daten zur Erkrankung Hepatis Steatosis und zu Schilddrüsenerkrankungen, und fokussieren auf die Entdeckung von Subpopulationen, die sich über die Zeit unterschiedlich (in Bezug auf die Erkrankung) entwickeln.
Im Rahmen der Kooperation "Data Mining and Stream Mining for Epidemiological Studies on the Human Brain" (StreaMED)" mit dem Zentrum für biomedizinische Technologie (CTB) der Universtiät Polytecnica de Madrid, arbeiten wir daran, Veränderungen der kognitiven Leistungsfähigkeit nach einer traumatischen Gehirnverletzung zu modellieren.
In unserer Kooperation mit der Visualisierungs-Arbeitsgruppe der FIN, arbeiten wir an Clustering-vor-Klassifikation zur Separierung zwischen gutartigen und bösartigen Brust-Tumoren auf DCE-MR Bildern. Der Fokus liegt hierbei auf der Identifikation von Eigenschaften welche eine Tumorregion beschreiben und zur Separierung beitragen.
In Kooperation mit der Diabetologie des Universitätsklinikums Magdeburg und mit ifak GmbH untersuchen wir das Druckverhalten von erkrankten Personen mit Diabetikerfuss. Ziel ist, Druckprofile für unterschiedliche Gruppen von erkrankten Personen abzuleiten, und erhöhten Druck an manchen Fussregionen mit Hilfe einer intelligenten Schuhsohle zu erkennen.
In Kooperation mit der Universität Ulm und dem Universitätsklinikum Regensburg untersuchen wir die Entwicklung von Tinnitus-PatientInnen und leiten Evolutionsmuster in Bezug auf diese chronische, noch unheilbare Krankheit. Ziel ist, PatientInnen in ihrem Alltag durch Hilfe- und Selbsthilfe-Maßnahmen zu unterstützen.
Drift Mining
Laufzeit: 01.10.2011 bis 30.09.2016
Im klassischen Data Mining werden historische Daten untersucht, um Wissen über die Verteilung und Beziehung zwischen Variablen zu gewinnen.Eine als Concept Drift bekannte Herausforderung sind Veränderung in den Verteilungen und Beziehungen der Daten über die Zeit. Eine vielfach angewendete Strategie besteht in derwiederholten Anwendung von Mining Verfahren auf immer neueren Daten.Dieser Ansatz erfordert jedoch die Verfügbarkeit einer ausreichenden Anzahl von aktuellen Daten um ein Modell neu zu lernen oder zumindest anzupassen.
Speziell in einigen Anwendungsgebieten des überwachten Lernens, wenn Prognosen über Ereignisse in weiter Zukunft getroffen werden sollen, wie beispielsweisein der Kreditrisikoschätzung für Kredite mit langer Laufzeit, stehen jedochnur Daten zu den erklärenden Variablen zur Verfügung, nicht jedoch zu den abhängigen Variablen.
Ziel dieses Projektes ist es, diese fehlenden Daten durch Wissen über diegenaue Art von Veränderungen in den Verteilungen und Beziehungen der Variablenzu kompensieren. Hierfür werden Modelle über die Zusammenhänge von Verteilungsveränderungen (Drift)in den Variablen über die Zeit formuliert und an historischen Daten geprüft.Für dieses Drift Mining werden lediglich Daten benötigt, deren Veränderungsmuster dem aktueller Daten entsprechen,die Aktualität ihrer tatsächlichen Verteilung ist hingegen nicht kritisch.Somit können für diese Aufgabe historische Daten verwenden werden, welche für klassische Modelle,welche die Verteilung und Beziehung der Variablen direkt schätzen, nicht mehr verwendet werden können.Ein Nebenprodukt dieser Forschung ist die Entwicklung von Methoden zum besseren Verständnis von Veränderungen in den Verteilungen von Daten.
Teilaufgaben im Rahmen des Projektes sind:A. Methoden zur Analyse von Drift auf einfachen und multiplen DatenströmenB. Adaptive Klassifikationsstrategien für den Umgang mit Verification Latency in sich verändernden DatenströmenC. Active Learning Strategien für sich verändernde Datenströme
Probabilistic Active Learning
Laufzeit: 01.07.2015 bis 30.09.2016
In Zeiten des Big Data stehen Datenanalysten vor der Herausforderung die schnell wachsenden Datenmengen zu verarbeiten. In den meisten Fällen sind die aufgenommenen Daten nicht direkt verwertbar, da sie durch interessante Zielgrößen (Label) ergänzt werden müssen. Diese Annotation der Daten ist meistens sehr zeit- und kostenaufwendig, da Experten oder sehr rechenintensive Algorithmen benötigt werden.
Methoden des aktiven Lernen versuchen solche ungelabelten (ohne Zielattribut) Datensätze in möglichst effektiver Art und Weise annotieren zu lassen, sodass Klassifikationsalgorithmen anhand dieser Annotationen Modelle über die Struktur der Datensätze lernen können. In diesem Projekt werden neue, probabilistische Methoden entwickelt, um den Annotationsprozess zu optimieren und bewerten zu können. Im Fokus steht dabei die Formalisierung des Problems als Optimierungsaufgabe von verschiedenen Kosten, sodass ein automatisierter Prozess stattfinden kann.
IMPRINT: Inkrementelles Data Mining für multi-relationale Objekte
Laufzeit: 15.06.2011 bis 31.12.2014
*** IMPRINT DEUTSCH ***
Data Mining Methoden für Datenströme basieren auf der Annahme, dass jede Dateninstanz nur einmal bearbeitet wird. Zum Beispiel liest ein Verfahren, das Netzangriffe- zu erkennen lernt, jede Dateninstanz nur einmal und passt das abgeleitete Modell neuen Arten von Angriffen an. Bei vielen Anwendungen sind die Daten jedoch nicht einfache Dateninstanzen, sondern komplexe, verschachtelte Objekte, deren Bestandteile Ströme von Dateninstanzen sind. Die Information zu einem Kunden besteht zum Beispiel aus Stammdaten, die sich im Laufe der Zeit ändern können, und aus Transaktionen wie Käufe, Retouren oder Produktrezensionen. Wenn ein Unternehmen eine Kundensegmentierung durchführen und diese Segmente aktuell halten will, benötigt es Lernverfahren, die die Modelle aus den Stammdaten und den Transaktionen ableiten und kontinuierlich aktualisieren.
Im Vorhaben IMPRINT unterscheiden wir zwischen permanenten Objekten, die selbst Dateninstanzen beinhalten, und den Dateninstanzen selber; letztere reichern in Form eines Datenstroms die permanenten Objekte über die Zeit an. Die Herausforderungen beim adaptiven Lernen auf permanenten Objekten umfassen die Analyse von Objekten, die durch das Hinzufügen von Dateninstanzen unterschiedlich schnell wachsen, den Vergleich von Objekten unterschiedlicher Größe und Alters- und den Bedarf nach effizienter Hauptspeicherverwaltung. Im Projekt IMPRINT werden wir adaptive Lernverfahren konzipieren, entwickeln und evaluieren, die diesen Anforderungen Genüge tun.
*** IMRPINT ENGLISCH ***
Conventional stream mining methods assume that each data instance is seen only once and is forgotten after being processed. Consider for example a classifier that distinguishes between normal network accesses and attacks. This classifier reads each data instance (access operation) once and must adapt to new types of attack. However, the data to be analyzed in many business applications are not simple instances, but complex, nested objects that contain streams of data instances. Customer data are such an example: they encompass some stationary information, as well as transactions like purchases, service requests, product reviews etc. To learn and maintain customer segments, a company needs learning methods that derive and adapt models upon the complex objects and the streams feeding them.
In IMPRINT we distinguish between perennial objects, which contain data instances, and the stream of data instances themselves. The challenges of mining perennial objects are manifold. They include learning upon objects that grow as new transactions arrive, the comparison of objects that differ in size and age, and their efficient maintenance. In IMPRINT, we will design, develop and evaluate adaptive learning methods that deal with the above challenges.
The published articles thus far are:
Zaigham Faraz Siddiqui, Eleftherios Tiakas, Panagiotis Symeonidis, Myra Spiliopoulou, and Yannis Manolopoulos. Learning Relational User Profiles and Recommending Items as Their Preferences Change. International Journal on Artificial Intelligence Tools, (24)02:31 pages, 2015.
Max Zimmermann and Eirini Ntoutsi and Myra Spiliopoulou. A Semi-supervised Self-Adaptive Classifier over Opinionated Streams, in 'Proceedings of the 2014 IEEE 14th International Conference on Data Mining Workshops (to appear 2014)' , IEEE Computer Society, Washington, DC, USA.
Zaigham Faraz Siddiqui, Eleftherios Tiakas, Panagiotis Symeonidis, Myra Spiliopoulou, and Yannis Manolopoulos. xStreams: Recommending Items to Users with Time-evolving Preferences. 4th International Conference on Web Intelligence, Mining and SemanticsWIMS 14, Thessaloniki, Greece., 2014.
Zaigham Faraz Siddiqui, Georg Krempl, Myra Spiliopoulou, Jose M. Pena, Nuria Paul, and Fernando Maestu. Are Some Brain Injury Patients Improving More Than Others?. The 2014 International Conference on Brain Informatics and Health BIH'14, Warsaw, Poland., 2014.
Max Zimmermann and Eirini Ntoutsi and Myra Spiliopoulou. Discovering and Monitoring Product Features and the Opinions on them with OPINSTREAM. In Neurocomput. , accepted 4/2014, to appear 2014 , 2014
T. Hielscher, M. Spiliopoulou, H. Völzke, and J.-P. Kühn. Using participant similarity for the classification of epidemiological data on hepatic steatosis. In Proc. of the 27th IEEE Int. Symposium on Computer-Based Medical Systems (CBMS 14), Mount Sinai, NY, 2014. IEEE.
U. Niemann, H. Völzke, Kühn, and M. Spiliopoulou. Learning and inspecting classifica- tion rules from longitudinal epidemiological data to identify predictive features on hepatic steatosis. Journal of Expert Systems with Applications (ESWA), 2013. accepted 02/2014.
M. Zimmermann, E. Ntoutsi, and M. Spiliopoulou. Adaptive semi supervised opinion clas- sifier with forgetting mechanism. In Proc. of the 29th Annual ACM Symposium on Applied Computing (SAC 14). ACM, 2014.
M. Zimmermann, E. Ntoutsi, and M. Spiliopoulou. Extracting opinionated (sub)features from a stream of product reviews. In Proceedings of the 16th Int. Conf. on Discovery Science (DS 2013), volume 8140 of Lecture Notes in Computer Science, pages 340 355, Singapore, Oct. 2013. Springer.
S. Glaßer, U. Niemann, B. Preim, and M. Spiliopoulou. Can we Distinguish Between Benign and Malignant Breast Tumors in DCE-MRI by Studying a Tumor s Most Suspect Region Only? In Proc. of the 26th IEEE International Symposium on Computer-Based Medical Systems (CBMS 2013), Porto, Portugal, June 2013.
S. Glaßer; Niemann, Uli; Preim, Uta; Preim, Bernhard; Spiliopoulou, Myra. Classification of benign and malignant DCE-MRI breast tumors by analyzing the most suspect region
P. Matuszyk and M. Spiliopoulou. Framework for storing and processing relational entities in stream mining. In Proc. of the Pacific-Asia Conference on Knowledge Discovery and 16Data Mining (PAKDD 2013), Lecture Notes in Computer Science, pages 497 508, Gold Coast, Australia, April 2013. Springer Berlin Heidelberg.
Z. Siddiqui, M. Oliveira, J. Gama, and M. Spiliopoulou. Where are we going? predicting the evolution of individuals. In Proc. of the IDA 2012 Conference on Intelligent Data Analysis, volume LNCS 7619, pages 357 368, Helsinki, Finland, Oct. 2012. Springer.
J. Gama, M. Spiliopoulou, and G. Krempl. Advanced topics on data stream mining: Ii. min- ing multiple streams. Tutorial at the 23rd Europ. Conf. on Machine Learning and 16th Europ. Conf. on Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 12), Sept. 2012.
M. Zimmermann, I. Ntoutsi, Z. Siddiqui, M. Spiliopoulou, and H.-P. Kriegel. Discovering global and local bursts in a stream of news. In Proc. of the SAC 2012 Symposium on Applied Computing, Trento, Italy, March 2012.
Master and bachelor theses and student projects within IMPRINT:
D. Kottke. Budget Optimization for Active Learning in Data Streams. Master thesis, University, Magdeburg 2014.
Y. Xu and M. Hewelt and F. Brög and M. Schlolaut and R. Pleshkanovska. Efficient Unsupervised Discovery of Word Categories. Softwareproject, University, Magdeburg 2014.
T. Böttcher and J. Krüger. Generating a Stream of Re-Appearing Entities and Summarizing Information on these. Bachelor thesis, University, Magdeburg, 2014.
U. Niemann. The Potential of Clustering for Subpopulation Discovery in Epidemiological Datasets. Maste thesis, University, Magdeburg, 2014.
T. Hielscher. Adaptives lernen eines domänenspezifischen lexikons für die Berechnung von Wortpolaritäten. Master thesis, University, Magdeburg, 2014.
A. Kusz. Sentiment-analyse von kundenbewertungen mithilfe von feature-extraktion und zusammenfassung der meinungen zu diesen features. Master thesis, University, Magdeburg, 2013.
U. Niemann and R. Pannicke. Feature-based visual sentiment analysis of text document streams. Teamproject, University, Magdeburg, 2013.
J. Düwel. Dynamische attributräume in der opinon stream klassifikation. Bachelor thesis, University, Magdeburg, 2013.
M. Filax, H. Rothe, J. Polifka, R. Zoun, and S. W. Hart. Job crawler. Teamproject, University, Magdeburg, 2013.
X. Sadovskaya, O. Shamin, and T. Zinke. Learning a domain specific polarity lexicon. Teamproject, University, Magdeburg, 2013.
T. Wu. Implementation of evolutionary model using a mixture of markov chains. Teamproject, Otto-von-Guericke-University Magdeburg, Faculty of Computer Science, Nov. 2013.
M. Tödten. Erkennung von Kombinationnen von Risikofaktoren für fettleber mit Data-Mining-Verfahren. Master thesis, University, Magdeburg, 2012
P. Matuszyk. Framework zur Speicherung und Bearbeitung relationaler Entitäten in einem Datenstrom. Masters thesis, Otto-von-Guericke University of Magdeburg, 2012.
S. Böhlert, A. Kusz, and F. Warschewske. Web crawling of amazon product reviews. Teamproject, University, Magdeburg, 2012.
U. Niemann. Erkennung von verschieden durchbluteten Tumorregionen anhand von dichtebasierten Clustering-Algorithmen in kontrastmittelverstärkten Perfusions-MRT-Aufnahmen der Brust. University, Magdeburg 2012.
M. Tödten. Clustering of Opinionated Documents. Individual-project, University, Magdeburg, 2012.
Tracking people's perception of products over time with Opinion Stream Mining
Laufzeit: 01.10.2011 bis 15.06.2014
Durch die Entwicklung des WEB 2.0 hat der Internet-Nutzer zunehmend damit begonnen, sich selbst
auszudrücken indem sie/er die Webseiten mit eigenem Inhalt füllt. Demzufolge ist die Menge, des vom
Internetnutzer geschriebenen Inhaltes, während der letzten Jahre exponentiell gestiegen.
Indem der Internetnutzer nun sehen kann, was andere Nutzer über Produkte, Ereignisse oder auch Dienstleistungen denken,
ergibt sich eine neue Form des Entscheidungsprozesses, d.h. die Erfahrungen vieler Nutzer, beeinflussen den
Internetnutzer bei der Wahl einer Entscheidung.
Die Meinungen von Leuten über Produkte zu verstehen wird zu einer wesentlichen Informationsquelle
für den Kunden als auch für den Verkäufer. Dem Kunden dient dies, seinen Entscheidungsprozess zu verstärken. Während der
Verkäufer Informationen über den eventuellen Anpassungsbedarf eines Produktes erhält.
Ein potentieller Kunde könnte z.B. an einem Produkt interessiert sein, allerdings ist er nicht vollends überzeugt.
Die Wahrnehmung anderer Käufer dieses Produktes, könnte ihn in seiner Kaufentscheidung stärken: eine dominierende
positive Impression des Produktes durch andere Käufer, dürfte ihn zum Kauf des Produktes überzeugen, wobei ihn eine
anhaltende negative Wahrnehmung vom Kauf abhält.
Die Meinungen von Leuten über die Zeit zu betrachten ist darüber hinaus auch für die Verkäufer von Produkten wichtig.
Dadurch werden abgeleitet, (a) gezielte Informationen über die Meinungen von Käufern bzgl. Produkte, d.h. keine
persönlichen Informationen von einzelnen Käufern werden extrahiert und (b) ein Bewertungswert für Produkte welches
mit der Anzahl der Käufe akkumuliert werden kann und somit ein durchdachtes Beurteilungssystem bereit stellt.
Das System hilft, die Einstellung der Käufer bzg. der Produkte zugänglich zu machen; was möglicherweise auch hilft, um
die Wahrnehmung von Kunden zu interpretieren und dementsprechend die Produkte anzupassen.
Inkrementelles Multirelationales Lernen
Laufzeit: 01.07.2008 bis 31.03.2013
Unternehmen verwenden Data Mining Methoden, u.a. um das Kaufverhalten ihrer Kunden zu analysieren und daraus Kundenprofile und Zu/Abneigungen für Produkte abzuleiten. Primär werden sogenannte Transaktionsdaten analysiert, also die Käufe, die jeder Kunde tätigt. Für Data Mining ist das eine inzwischen klassische Aufgabe, die mit gängigen Methoden bewältigt werden kann. Die Information, die für die Ableitung von zuverlässigen Kundenprofilen benötigt ist, beschränkt sich jedoch nicht auf Transaktionsdaten. Die Eigenschaften der Produkte und der Produktkategorien sollen mit einbezogen werden, ebenso wie die demographischen Eigenschaften der Kunden. Die Berücksichtigung dieser Informationen, die in mehreren Tabellen (sogenannten Relationen) einer Datenbank vorliegen, führt zu einer komplexeren Aufgabenstellung im Gebiet des multirelationalen Lernens. Die Transaktionsdaten sind jedoch nicht statisch. Vielmehr formen sie einen Strom, der in die Datenbank eines Unternehmens einfliesst und nur temporär für Data Mining zur Verfügung steht. Es ist weder praktisch noch sinnvoll, alle derart akkummulierte Daten bei der Datenanalyse zu berücksichtigen. Unpraktisch ist dies wegen des unbegrenzten Speicherbedarfs und des erhöhten Analyseaufwands. Nicht sinnvoll ist dies, weil veraltete Daten, z.B. über nicht mehr angebotene Produkte, die Ergebnisse der Datenanalyse verzerren können. Zudem soll die Einführung von neuen Produkten und Marketing-Maßnahmen zur Anpassung der Modelle führen. Während gängige Methoden für die Analyse von Stromdaten einer Tabelle existieren, ist die Analyse von multirelationalen Datenströmen ein neues Forschungsgebiet. In diesem Projekt werden Methoden für die Analyse von multirelationalen Datenströmen konzipiert und entworfen, inklusive Methoden, welche die zu analysierenden Daten mit minimalen Informationsverlust bereitstellen.
Recommendation Engines for the Web 2.0
Laufzeit: 01.01.2011 bis 31.12.2012
Ziel von diesem Kooperationsprojekt ist die Konzipierung von robusten Empfehlungsmaschinen für das Web 2.0. Die Kooperation dient dem Zusammenführen von Forschung zu zwei komplementeren Forschungssträhnen - (1) Empfehlungsmaschinen und (2) Data Mining auf multi-relationale Datenströme. Nutzerpräferenzen ändern sich mit der Zeit. Soziale Plattformen ändern sich ebenfalls durch neue Teilnehmer, durch die Eintragung von neuen Ressourcen, durch neue Meinungen und Tags zu existierenden Ressourcen. Modeladaption ist deshalb unabdingbar für die Bereitstellung von sinnvollen Empfehlungen. Die griechische Arbeitsgruppe (Aristotle Univ. Thessaloniki - AUTH) bringt zur Kooperation ihre Methoden für Empfehlungsmaschinen in online sozialen Netzen. Die Arbeitsgruppe KMD bringt ihre Data-Stream-Mining-Methoden für Texte und für multi-relationale Entitäten. In der Kooperation wird die Koppelung von adaptiven Lernmethoden auf multi-relationale Datenströme mit online Empfehlungsmaschinen untersucht.
Data Mining auf medizinischen Protokolldaten
Laufzeit: 01.10.2010 bis 30.08.2012
Erruieren von Analysemöglichkeiten der Narkose und Intensivmedizinprotokolle mittels Data Mining Techniken.
Durch die Protokollpflichten in Krankenhäusern über die Operationsabläufe mittels Narkoseprotokollen entsetht im Krankenhaus eine große Sammlung dieser Protokolle.
Ziel der Studie ist es, heraus zufinden, in wie weit sich diese Daten mittels Data Mining Techniken analysieren lassen und ökonomisch sinnvolle Aussagen dabei entstehen können.
Data Mining Methoden zur Unterstuetzung der OP-Planung
Laufzeit: 01.01.2011 bis 30.08.2012
Krankenhäuser stehen heutzutage unter einem hohen ökonomischen Druck. Über 60% der Patienten eines Krankenhauses werden im OP-Bereich behandelt, deswegen ist dieser Bereich besonders ressourcenintensiv. Die Verbesserung der Planung in diesem Bereich kann für Krankenhäuser sowohl monetäre, als auch nicht-monetäre Vorteile bringen. Diese können sich unter Anderem aus der Reduzierung der Personal-Leerzeiten, oder aus der Vermeidung der ungeplanten Überstunden ergeben.
In der vorliegenden Arbeit verwenden wir Data-Mining-Methoden, um die Dauer einer zukünftigen Operation vorherzusagen. Dazu wurden anonymisierte Daten aus Narkoseprotokollen aus dem Universitätsklinikum in Magdeburg A. ö. R. verwendet. Die Vorhersage basiert auf Patientendaten wie z.B. auf dem Alter, Gewicht und der Erkrankung des Patienten und auf den Daten über das Krankenhauspersonal. Das entwickelte Modell ist zwar für ein bestimmtes Krankenhaus spezifisch, aber die allgemeine Vorgehensweise ist generisch und lässt sich somit auf andere Krankenhäuser übertragen. Unser Ansatz umfasst unter Anderem die Diskretisierung der Operationsdauer, die als das Zielattribut verwendet wird, und anschließend die Klassifikation der Operationsdaten unter Nutzung von mehreren Data-Mining-Algorithmen. Das beste Modell wird im Laufe einer Evaluierungsphase mit einer von uns entwickelten Methode gewählt. Um die Verwendung des Modells für die Nutzer aus dem Universitätsklinikum zu ermöglichen, wurde eine Software entwickelt, die das Modell implementiert.
Die auf diese Weise entwickelte Prognose der Operationsdauer kann die Operationsplanung in einem Krankenhaus wesentlich vereinfachen und verbessern. Dadurch lassen sich die Wartezeiten sowohl für Patienten, als auch für das Krankenhauspersonal verringern, woraus die Kostenersparnisse und die Erhöhung der Patientenzufriedenheit resultieren.
Wissensentdeckung auf multidimensionalen Datenbeständen
Laufzeit: 01.07.2008 bis 30.06.2011
Unternehmen verwenden Data Mining Methoden, u.a. um das Kaufverhalten ihrer Kunden zu analysieren und daraus Kundenprofile und Zu/Abneigungen für Produkte abzuleiten. Für die Analyse der sogenannten Transaktionsdaten (Käufe) sind traditionelle Data Mining Verfahren ausreichend. Allerdings sollen für die Gewinnung einer tieferen Einsicht in das Kundenverhalten nicht nur die Käufe berücksichtigt werden, sondern auch Informationen zu der gesamten Beziehung zwischen Kunden und Unternehmen sowie zum Produktportfolio und zu den wechselseitigen Beziehungen zwischen Produkten. Für die Darstellung und Analyse solcher komplexen Daten ist die traditionelle Matrix-Repräsentation der Daten nicht mehr ausreichend. In den letzten Jahren werden Tensoren (das sind multidimensionale Matrizen) als vielversprechende Darstellung komplexer Daten untersucht. Data Mining auf Tensoren umfasst viele Herausforderungen. In diesem Vorhaben wird zum einen die Semantik von Modellen untersucht, welche mit Data Mining Verfahren auf Tensoren abgeleitet werden. Zum anderen wird das Verhalten von Tensoren über die Zeit untersucht, also auf dynamischen, komplexen Daten, die als Ströme vorliegen und nie vollständig für die Analyse gespeichert werden können.
Pattern Evolution in Text Mining
Laufzeit: 01.03.2006 bis 14.02.2011
Die Wissensentdeckung aus Daten mit Hilfe von Data-Mining Verfahren hat in den letzten Jahren ein enormes Wachstum erfahren. Während Institutionen, insbesondere Unternehmen, aus den Daten Kundenprofile, Kundenpräferenzen und Markttendenzen ableiten, werden sie zunehmend vor die Frage gestellt, wie abgeleitete Muster anhand von neuen Beobachtungen angepasst werden sollen. Dieselbe Frage stellt sich für unternehmensinternes Wissen, das in Dokumenten, darunter Projekt- und Erfahrungsberichte, gespeichert wurde und die Kompetenzen des Unternehmens widerspiegelt. Ziel von diesem Projekt ist die Beobachtung von Änderungen in aus Daten und Texten abgeleiteten Mustern entlang der Zeitaxis, wobei der Schwerpunkt auf Muster als Clustering-Ergebnisse liegt und somit auf das Mutieren und das Absterben der einzelnen Clusters.
KO-RFID: Effiziente Kollaboration in RFID-gestützten Logistiknetzen
Laufzeit: 01.10.2006 bis 30.09.2009
Die Technologie RFID (Radio Frequency Identification) ermöglicht das berührungslose Identifizieren von Objekten, Waren und Gütern mittels Funkwellen ohne Sichtkontakt. Der Einsatz von RFID beispielsweise entlang einer Lieferkette bringt neue Möglichkeiten: Neben dem Potential für das Erkennen und Vermeiden von Engpässen ergeben sich auch Chancen für unternehmensübergreifende Kooperationen. Voraussetzung einer solchen Kooperation ist das Vertrauen zwischen den Unternehmen und die Vertraulichkeit der unternehmensinternen Daten. Darüber hinaus ist eine gerechte Aufteilung von Kosten, Nutzen und Risiken auf die beteiligten Partner entscheidend.Die Arbeitsgruppe Knowledge Management & Discovery/Wissensmanagement und Wissensentdeckung der Fakultät für Informatik an der Otto-von-Guericke-Universität Magdeburg forscht unter der Leitung von Prof. Myra Spiliopoulou zu dieser herausfordernden Thematik. Die Arbeitsgruppe untersucht, welche Faktoren die Teilnahme an einer RFID-basierten Lieferkette beeinflussen und welche Data-Mining-Methoden notwendig sind, um durch eine gemeinsame Datenanalyse Engpässe und Planungspotential zu identifizieren, ohne zugleich vertrauliche, unternehmensinterne Daten preiszugeben. In den kommenden drei Jahren beschäftigen sich an der Fakultät für Informatik der Magdeburger Universität die drei neuen Mitarbeiter Florian Kähne, Stiefen Schilz und Nico Schlitter mit der Lösung dieser Aufgaben.Diese Arbeit ist Bestandteil des vom Bundesministerium für Wirtschaft und Technologie geförderten Verbundprojektes Ko-RFID im Rahmen des Programms next generation media. Im Ko-RFID-Projekt wird unter Leitung der GERRY WEBER International AG das Thema der effizienten Zusammenarbeit in RFID-gestützten Logistiknetzen untersucht und neue Konzepte und Vorgänge zum vertrauensbasierten ökonomischen Handel erarbeitet. Weiterhin sind die Automobil-Industrie durch die DaimlerChrysler AG und die Küchenherstellerbranche durch die Wellmann AG im Projekt vertreten. Die IT-Herausforderungen werden von SAP Research untersucht. Die Humboldt-Universität zu Berlin geht Fragen des Vertrauens bei der Kooperation nach, während sich die Technische Universität Berlin mit der Optimierung der Lieferketten durch ein RFID-basiertes Logistik-Event-Tracking-System befasst. Der Internetauftritt des Projekts Ko-RFID ist unter http://ko-rfid.hu-berlin.de/ zu erreichen.
Wissensteilung in Organisationen durch Online Communities
Laufzeit: 01.01.2005 bis 31.05.2009
Das Management der Ressource Wissen erfährt eine zunehmende Bedeutung in Organisationen. Da Online Communities eine wertvolle Plattform für den Austausch von Wissen darstellen, ist deren Förderung von strategischer Bedeutung für Organisationen. Hierfür müssen zunächst geeignete organisationale als auch technologische Maßnahmen ermittelt werden, die den Austausch in Online Communities fördern. Um Organisationen in diesem Bestreben zu unterstützen, ist es notwendig, Werkzeuge zu entwickeln, die eine Beobachtung von Community-Entwicklungen ermöglichen und die Ursachen für wünschenswerte und unerwünschte Entwicklungen ermitteln können.Bisher beschränkte sich die Analyse der Gruppenstrukturen auf die Beobachtung der Interaktionen zu einem bestimmten Zeitpunkt. Die Interaktionen in einer Community ändern sich aber im Laufe der Zeit durch interne und externe Faktoren, so dass es aufschlussreicher ist, Communities als temporale Objekte zu betrachten und ihre zeitliche Entwicklung zu beobachten. Hierdurch sollen die Charakteristika der Umgebung ermittelt werden, die für eine positive Community-Entwicklung förderlich sind.Das Hauptziel des Forschungsvorhabens ist die Analyse der Veränderungen von Community-Strukturen um Gestaltungsrichtlinien für geeignete organisationale und technologische Infrastrukturen zu entwickeln. Durch diese soll eine Unterstützung von Communities zur Verbesserung der Wissensteilung erreicht werden.
PARMENIDES "Ontology-driven temporal text mining on organisational data for extracting temporal valid knowledge"
Laufzeit: 01.08.2002 bis 30.04.2005
Parmenides wird durch das 5. Forschungsrahmenprogramm der EU/ Priorität 2 - Technologien für die Informationsgesellschaft gefördert. Gegenstand des Projekts ist (1) die semi-automatische Erstellung und Erweiterung domänenspezifischer Ontologien, (2) die Entdeckung und Extraktion von Ereignissen in Texten (3) die Überführung extrahierten Annotationen und Ereignisse in ein Data Warehouse und (4) die Entdeckung temporaler Ereignisse und Zusammenhänge. Von der Magdeburger Arbeitsgruppe werden hierzu vorwiegend (temporale) Text-Mining-Methoden sowie semi-automatische Ansätze für die Ontologie-Erweiterung untersucht.
DIAsDEM-2 "Integration von Altlastdaten und semistrukturierten Dokumenten mit Data-Mining Verfahren"
Laufzeit: 01.02.2003 bis 15.11.2004
Der größte Anteil von Informationen einer Organisation liegt in textueller Form vor. Für die Gewinnung sinnvoller Einsichten aus diesen Texten ist es notwendig, deren Inhalte sowohl miteinander als auch mit Datenbankdaten zu verknüpfen und einen einheitlichen Anfragemodus über den Gesamtbestand zu schaffen.DIAsDEM-2 konzipiert eine Methodik, die Schemata über Textarchive ableitet, sie mit strukturierten Datensammlungen in einem Hyper-Archiv integriert und eine datenbankorientierte Anfragesprache zur Informationsgewinnung bereitstellt.Basierend auf den bisherige Ergebnissen des Forschungsprojekts DIAsDEM, das flache XML Dokumenttypdefinitionen für unstrukturierte Texte ableitet, werden Verfahren zur vollständigen Ableitung von Schemata über Textarchive untersucht. Die so strukturierten Textbestände werden mit Datensammlungen in einem Hyper-Archiv zusammengeführt, das alle Komponenten der Anwendungsobjekte (z.B. Projekte, Personen, Unternehmen) integriert.
2025
Finding predictive features for energy consumption of CNC machines
Kader, Hafez; Ströbel, Robin; Puchta, Alexander; Fleischer, Jürgen; Noack, Benjamin; Spiliopoulou, Myra
In: GFaI Tagungsband 2024 - Berlin : Gesellschaft zur Förderung angewandter Informatik e.V., S. 89-95 [Workshop: 26. Anwenderbezogener Workshop zur Erfassung, Modelierung, Verarbeitung und Auswertung von 3D-Daten, Berlin, 26. -27. November 2024]
Challenges and opportunities for statistics in the era of data science
Kirch, Claudia; Lahiri, Soumendra; Binder, Harald; Brannath, Werner; Cribben, Ivor; Dette, Holger; Doebler, Philipp; Feng, Oliver; Gandy, Axel; Greven, Sonja; Hammer, Barbara; Harmeling, Stefan; Hotz, Thomas; Kauermann, Göran; Krause, Joscha; Krempl, Georg; Nieto-Reyes, Alicia; Okhrin, Ostap; Ombao, Hernando; Pein, Florian; Pešta, Michal; Politis, Dimitris; Qin, Li-Xuan; Rainforth, Tom; Rauhut, Holger; Reeve, Henry; Salinas, David; Schmidt-Hieber, Johannes; Scott, Clayton; Segers, Johan; Spiliopoulou, Myra; Wilhelm, Adalbert; Wilms, Ines; Yu, Yi; Lederer, Johannes
In: Harvard data science review - Cambridge, MA : MIT Press, Bd. 7 (2025), Heft 2, S. 50
2024
Predicting user engagement in mHealth apps with neighborhood-based approaches
Schleicher, Miro; Pryss, Rüdiger; Schobel, Johannes; Schlee, Winfried; Spiliopoulou, Myra
In: 2024 IEEE 37th International Symposium on Computer-Based Medical Systems (CBMS) - Piscataway, NJ : IEEE, S. 391-397 [Symposium: 2024 IEEE 37th International Symposium on Computer-Based Medical Systems, CBMS, Guadalajara, Mexico, 26-28 June 2024]
Training and validating a treatment recommender with partial verification evidence
Unnikrishnan, Vishun; Puga, Clara; Schleicher, Miro; Niemann, Uli; Langguth, Berthold; Schoisswohl, Stefan; Mazurek, Birgit; Cima, Rilana; Lopez-Escamez, Jose Antonio; Kikidis, Dimitris; Vellidou, Eleftheria; Pryss, Ruediger; Schlee, Winfried; Spiliopoulou, Myra
In: Artificial intelligence in medicine - Amsterdam [u.a.] : Elsevier Science, Bd. 160 (2025), Artikel 103062, insges. 13 S.
Parsimonious predictors for medical decision support - minimizing the set of questionnaires used for tinnitus outcome prediction
Schleicher, Miro; Brüggemann, Petra; Böcking, Benjamin; Niemann, Uli; Mazurek, Birgit; Spiliopoulou, Myra
In: Expert systems with applications - Amsterdam [u.a.] : Elsevier Science, Bd. 239 (2024), Artikel 122336
Heterogeneity in response to treatment across tinnitus phenotypes
Niemann, Uli; Boecking, Benjamin; Brueggemann, Petra; Spiliopoulou, Myra; Mazurek, Birgit
In: Scientific reports - [London] : Macmillan Publishers Limited, part of Springer Nature, Bd. 14 (2024), Artikel 2111, insges. 11 S.
Identifying older adults at risk for dementia based on smartphone data obtained during a wayfinding task in the real world
Marquardt, Jonas; Mohan, Priyanka; Spiliopoulou, Myra; Glanz, Wenzel; Butryn, Michaela; Kühn, Esther; Schreiber, Stefanie; Maass, Anne; Diersch, Nadine
In: PLOS digital health - San Francisco, CA : PLoS, Bd. 3 (2024), Heft 10, Artikel e0000613, insges. 29 S.
Stream learning with entity-centric models and active feature acquisition
Beyer, Christian; Spiliopoulou, Myra
In: Magdeburg: Universitätsbibliothek, Dissertation Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2024, 1 Online-Ressource (XV, 137 Seiten, 4.47 MB) [Literaturverzeichnis: Seite 129-135][Literaturverzeichnis: Seite 129-135]
Leveraging the potential of multi-layer networks for subgroup discovery
Ramos Teixeira Puga, Clara; Spiliopoulou, Myra
In: Magdeburg: Universitätsbibliothek, Dissertation Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2024, 1 Online-Ressource (XVI, 127 Seiten, 14,81 MB) [Literaturverzeichnis: Seite 119-127][Literaturverzeichnis: Seite 119-127]
Entity-centric machine learning - leveraging entity neighbourhoods for personalised predictors
Unnikrishnan, Vishnu Mazhuvancherry; Spiliopoulou, Myra
In: Magdeburg: Universitätsbibliothek, Dissertation Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2024, 1 Online-Ressource (XVII, 148 Seiten, 8,65 MB) [Literaturverzeichnis: Seite 139-148][Literaturverzeichnis: Seite 139-148]
2023
Predicting the chance for being at-risk of AD based on smartphone data obtained during an everyday wayfinding task in the real world
Marquardt, Jonas; Mohan, Priyanka; Spiliopoulou, Myra; Glanz, Wenzel; Butryn, Michaela; Kühn, Esther; Schreiber, Stefanie; Maass, Anne; Diersch, Nadine
In: Alzheimer's and dementia - Hoboken, NJ : Wiley, Bd. 19 (2023), Heft Suppl. 18, Artikel e072058, insges. 4 S.
A similarity-guided framework for error-driven discovery of patient neighbourhoods in EMA data
Unnikrishnan, Vishnu; Schleicher, Miro; Puga, Clara; Pryss, Rüdiger; Vogel, Carsten; Schlee, Winfried; Spiliopoulou, Myra
In: Advances in Intelligent Data Analysis XXI , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Crémilleux, Bruno, S. 459-471 - ( Lecture notes in computer science book series; volume 13876)
Expect the gap - a recommender approach to estimate the absenteeism of self-monitoring mHealth app users
Schleicher, Miro; Pryss, Rüdiger; Schlee, Winfried; Spiliopoulou, Myra
In: 2022 IEEE 9th International Conference on Data Science and Advanced Analytics / IEEE International Conference on Data Science and Advanced Analytics , 2022 - Piscataway, NJ : IEEE . - 2023, insges. 10 S.
Reducing missingness in a stream through cost-aware active feature acquisition
Büttner, Maik; Beyer, Christian; Spiliopoulou, Myra
In: Konferenz: IEEE 9th International Conference on Data Science and Advanced Analytics, DSAA, Shenzhen, China, 13-16 October 2022, 2022 IEEE 9th International Conference on Data Science and Advanced Analytics (DSAA) - [Piscataway, NJ]: IEEE . - 2023, insges. 10 S.
Productive teaming under uncertainty: when a human and a machine classify objects together
Rother, Anne; Notni, Gunther; Hasse, Alexander; Noack, Benjamin; Beyer, Christian; Reißmann, Jan; Zhang, Chen; Ragni, Marco; Arlinghaus, Julia C.; Spiliopoulou, Myra
In: 2023 IEEE International Conference on Advanced Robotics and its Social Impacts (ARSO) , 2023 - [Piscataway, NJ] : IEEE, S. 9-14
Joining imputation and active feature acquisition for cost saving on data streams with missing features
Büttner, Maike; Beyer, Christiane; Spiliopoulou, Myra
In: Discovery Science , 1st ed. 2023. - Cham : Springer Nature Switzerland ; Bifet, Albert, S. 308-322 - (Lecture notes in computer science; volume 14276)
Challenges for active feature acquisition and imputation on data streams
Beyer, Christian; Büttner, Maik; Spiliopoulou, Myra
In: CEUR workshop proceedings - Aachen, Germany : RWTH Aachen, Bd. 3470 (2023), S. 9-13 [Workshop: Workshop on Interactive Adaptive Learning, Torino, Italy, 22. September 2023]
Stability of mental motor-imagery classification in EEG depends on the choice of classifier model and experiment design, but not on signal preprocessing
Rosenfelder, Martin Justinus; Spiliopoulou, Myra; Hoppenstedt, Burkhard; Pryss, Rüdiger; Fissler, Patrick; Piedra Walter, Mario della; Kolassa, Iris-Tatjana; Bender, Andreas
In: Frontiers in computational neuroscience - Lausanne : Frontiers Research Foundation, Bd. 17 (2023), S. 1-18, Artikel 1142948
The statistical analysis plan for the unification of treatments and interventions for tinnitus patients randomized clinical trial (UNITI-RCT)
Simoes, Jorge Piano; Schoisswohl, Stefan; Schlee, Winfried; Basso, Laura; Bernal-Robledano, Alberto; Boecking, Benjamin; Cima, Rilana; Denys, Sam; Engelke, Milena; Escalera-Balsera, Alba; Gallego-Martinez, Alvaro; Gallus, Silvano; Kikidis, Dimitris; López-Escámez, Jose A.; Marcrum, Steven C.; Markatos, Nikolaos; Martin-Lagos, Juan; Martinez-Martinez, Marta; Mazurek, Birgit; Vassou, Evgenia; Jarach, Carlotta Micaela; Mueller-Locatelli, Nicolas; Neff, Patrick; Niemann, Uli; Omar, Hafez Kader; Puga, Clara; Schleicher, Miro; Unnikrishnan, Vishnu; Perez-Carpena, Patricia; Pryss, Rüdiger; Robles-Bolivar, Paula; Rose, Matthias; Schecklmann, Martin; Schiele, Tabea; Schobel, Johannes; Spiliopoulou, Myra; Stark, Sabine; Vogel, Carsten; Wunder, Nina; Zachou, Zoi; Langguth, Berthold
In: Trials - London : BioMed Central, Bd. 24 (2023), Artikel 472, insges. 13 S.
Editorial: Smart mobile data collection in the context of neuroscience, volume II
Pryss, Rüdiger; Schlee, Winfried; Reichert, Manfred; Probst, Thomas; Langguth, Berthold; Spiliopoulou, Myra
In: Frontiers in neuroscience - Lausanne : Frontiers Research Foundation, Bd. 17 (2023), insges. 3 S.
A cost-based multi-layer network approach for the discovery of patient phenotypes
Puga, Clara; Niemann, Uli; Schlee, Winfried; Spiliopoulou, Myra
In: International journal of data science and analytics - Cham, Switzerland : Springer International Publishing . - 2023, insges. 21 S. [Online first]
Prediction meets time series with gaps - user clusters with specific usage behavior patterns
Schleicher, Miro; Unnikrishnan, Vishnu; Pryss, Rüdiger; Schobel, Johannes; Schlee, Winfried; Spiliopoulou, Myra
In: Artificial intelligence in medicine - Amsterdam [u.a.] : Elsevier Science, Bd. 142 (2023), Artikel 102575
2022
Analysis of exhausted T cells, systemically enhanced cytokine levels ex vivo and machine learning facilitated search for ageing-related biomarkers
Beyer, Christian; Jamaludeen, Noor; Vogel, Katrin; Pierau, Mandy; Lingel, Holger; Meltendorf, Stefan; Spiliopoulou, Myra; Brunner-Weinzierl, Monika
In: Das Gesundheitswesen - Stuttgart [u.a.] : Thieme, Bd. 84 (2022), Heft 8/9, S. 846
Classification of cardiac cohorts based on morphological and hemodynamic features derived from 4D PC-MRI data
Niemann, Uli; Neog, Atrayee; Behrendt, Benjamin; Lawonn, Kai; Gutberlet, Matthias; Spiliopoulou, Myra; Preim, Bernhard; Meuschke, Monique
In: 2022 IEEE 35th International Symposium on Computer-Based Medical Systems (CBMS) / IEEE International Symposium on Computer-Based Medical Systems , 2022 - Piscataway, NJ : IEEE, S. 416-421 [Symposium: 35th International Symposium on Computer-Based Medical Systems, CBMS, Shenzen, China, 21-23 July 2022]
Data-driven prediction of athletes performance based on their social media presence
Dreyer, Frank; Greif, Jannik; Günther, Kolja; Spiliopoulou, Myra; Niemann, Uli
In: Discovery Science , 1st ed. 2022. - Cham : Springer Nature Switzerland ; Pascal, Poncelet, S. 197-211 - (Lecture notes in computer science; volume 13601) [Konferenz: 25th International Conference on Discovery Science, DS 2022, Montpellier, France, October 10-12, 2022]
Discovering instantaneous granger causalities in non-stationary categorical time series data
Jamaludeen, Noor; Unnikrishnan, Vishnu; Brechmann, André; Spiliopoulou, Myra
In: Artificial Intelligence in Medicine , 1st ed. 2022. - Cham : Springer International Publishing ; Michalowski, Martin, S. 200-209 - (Lecture notes in computer science; volume 13263) [Konferenz: 20th International Conference on Artificial Intelligence in Medicine, AIME 2022, Halifax, NS, Canada, June 14–17, 2022]
When can I expect the mhealth user to return? - prediction meets time series with gaps
Schleicher, Miro; Pryss, Rüdiger; Schlee, Winfried; Spiliopoulou, Myra
In: Artificial Intelligence in Medicine , 1st ed. 2022. - Cham : Springer International Publishing ; Michalowski, Martin, S. 310-320 - ( Lecture notes in computer science; volume 13263) [Konferenz: 20th International Conference on Artificial Intelligence in Medicine, AIME 2022, Halifax, NS, Canada, June 1417, 2022]
Prediction of declining engagement to self-monitoring apps on the example of tinnitus mHealth data
Schleicher, Miro; Hamacher, Sebastian; Naujoks, Mats; Günther, Kolja; Schmidt, Timo; Pryss, Rüdiger; Schobel, Johannes; Schlee, Winfried; Spiliopoulou, Myra
In: 2022 IEEE 35th International Symposium on Computer-Based Medical Systems (CBMS) / IEEE International Symposium on Computer-Based Medical Systems , 2022 - Piscataway, NJ : IEEE [Symposium: 35th International Symposium on Computer-Based Medical Systems, CBMS, Shenzen, China, 21-23 July 2022]
Dimensions of tinnitus-related distress
Brueggemann, Petra; Mebus, Wilhelm; Boecking, Benjamin; Amarjargal, Nyamaa; Niemann, Uli; Spiliopoulou, Myra; Dobel, Christian; Rose, Matthias; Mazurek, Birgit
In: Brain Sciences - Basel : MDPI AG, Bd. 12 (2022), Heft 2, Artikel 275, insges. 13 S.
Standardized clinical profiling in spanish patients with chronic tinnitus
Haro-Hernandez, Elisheba; Perez-Carpena, Patricia; Unnikrishnan, Vishnu; Spiliopoulou, Myra; Lopez-Escamez, Jose A.
In: Journal of Clinical Medicine - Basel : MDPI, Bd. 11 (2022), Heft 4, Artikel 978
Juxtaposing medical centers using different questionnaires through score predictors
Puga, Clara; Schleicher, Miro; Niemann, Uli; Unnikrishnan, Vishnu; Boecking, Benjamin; Brueggemann, Petra; Simoes, Jorge; Langguth, Berthold; Schlee, Winfried; Mazurek, Birgit; Spiliopoulou, Myra
In: Frontiers in neuroscience - Lausanne : Frontiers Research Foundation, Bd. 16 (2022), Artikel 818686, insges. 12 S.
Predicting ecological momentary assessments in an app for tinnitus by learning from each user's stream with a contextual multi-armed bandit
Shahania, Saijal; Unnikrishnan, Vishnu; Pryss, Rüdiger; Kraft, Robin; Schobel, Johannes; Hannemann, Ronny; Schlee, Winny; Spiliopoulou, Myra
In: Frontiers in neuroscience - Lausanne : Frontiers Research Foundation, Bd. 16 (2022), Artikel 836834, insges. 17 S.
Transferability of a battery cell end-of-life prediction model using survival analysis
Santhira Sekeran, Maya; Živadinović, Milan; Spiliopoulou, Myra
In: Energies - Basel : MDPI, Bd. 15 (2022), Heft 8, Artikel 2930, insges. 16 S.
Virtual reality for medical annotation tasks - a systematic review
Rother, Anne; Spiliopoulou, Myra
In: Frontiers in virtual reality - Lausanne : Frontiers Media, Bd. 3 (2022), Artikel 717383, insges. 12 S.
XAI4EEG - spectral and spatio-temporal explanation of deep learning-based seizure detection in EEG time series
Raab, Dominik; Theissler, Andreas; Spiliopoulou, Myra
In: Neural computing & applications - London : Springer, Bd. 35 (2023), Heft 14, S. 10051 - 10068 [Special Issue on Interpretation of Deep Learning: Prediction, Representation, Modeling and Utilization]
Smartphone-guided educational counseling and self-help for chronic tinnitus
Schlee, Winfried; Neff, Patrick; Simoes, Jorge; Langguth, Berthold; Schoisswohl, Stefan; Steinberger, Heidi; Norman, Marie; Spiliopoulou, Myra; Schobel, Johannes; Hannemann, Ronny; Pryss, Rüdiger
In: Journal of Clinical Medicine - Basel : MDPI, Bd. 11 (2022), Heft 7, Artikel 1825, insges. 11 S.
Assessment of immune status using inexpensive cytokines - a literature review and learning approaches
Jamaludeen, Noor; Lehmann, Juliane; Beyer, Christian; Vogel, Katrin; Pierau, Mandy; Brunner-Weinzierl, Monika; Spiliopoulou, Myra
In: Sensors - Basel : MDPI, Bd. 22 (2022), Heft 24, Artikel 9785, insges. 26 S.
2021
User-centric vs whole-stream learning for EMA prediction
Shahania, Saijal; Unnikrishnan, Vishnu; Pryss, Rüdiger; Kraft, Robin; Schobel, Johannes; Hannemann, Ronny; Schlee, Winny; Spiliopoulou, Myra
In: 2021 IEEE 34th International Symposium on Computer-Based Medical Systems / IEEE CBMS , 2021 - Piscataway, NJ : IEEE ; Almeida, João Rafael [Symposium: IEEE 34th International Symposium on Computer-Based Medical Systems, CBMS 2021, virtual, 7-9 June 2021]
Discovery of patient phenotypes through multi-layer network analysis on the example of tinnitus
Puga, Clara; Niemann, Uli; Unnikrishnan, Vishnu; Schleicher, Miro; Schlee, Winfried; Spiliopoulou, Myra
In: 2021 IEEE International Conference on Data Science and Advanced Analytics / IEEE DSAA , 2021 - Piscataway, NJ : IEEE, insges. 10 S. [Konferenz: IEEE 8th International Conference on Data Science and Advanced Analytics, DSAA, Porto, Portugal, 6-9 October 2021]
Juxtaposing 5G coronavirus tweets with general coronavirus tweets during the early months of coronavirus outbreak
Trad, Rafi; Spiliopoulou, Myra
In: 2021 IEEE 34th International Symposium on Computer-Based Medical Systems / IEEE CBMS , 2021 - Piscataway, NJ : IEEE ; Almeida, João Rafael [Symposium: IEEE 34th International Symposium on Computer-Based Medical Systems, CBMS 2021, virtual, 7-9 June 2021]
Towards a unification of treatments and interventions for tinnitus patients - the EU research and innovation action UNITI
Schlee, Winfried; Schoisswohl, Stefan; Staudinger, Susanne; Schiller, Axel; Lehner, Astrid; Langguth, Berthold; Schecklmann, Martin; Simoes, Jorge; Neff, Patrick; Marcrum, Steven C.; Spiliopoulou, Myra; Niemann, Uli; Schleicher, Miro; Unnikrishnan, Vishnu; Puga, Clara; Mulansky, Lena; Pryss, Ruediger; Vogel, Carsten; Allgaier, Johannes; Giannopoulou, Efi; Birki, Katalin; Liakou, Klairi; Cima, Rilana; Vlaeyen, Johan W.S.; Verhaert, Nicolas; Ranson, Saskia; Mazurek, Birgit; Brueggemann, Petra; Boecking, Benjamin; Amarjargal, Nyamaa; Specht, Sandy; Stege, Alexandra; Hummel, Michael; Rose, Matthias; Oppel, Kevin; Dettling-Papargyris, Juliane; Lopez-Escamez, Jose Antonio; Amanat, Sana; Gallego-Martinez, Alvaro; Escalera-Balsera, Alba; Espinosa-Sanchez, Juan Manuel; Garcia-Valdecasas, Juan; Mata-Ferron, Maria; Martin-Lagos, Juan; Martinez-Martinez, Maria; Martinez-Martinez, María Jesús; Müller-Locatelli, Nicolas; Perez-Carpena, Patricia; Alcazar-Beltran, Jorge; Hidalgo-Lopez, Leyre; Vellidou, Eleftheria; Sarafidis, Michalis; Katrakazas, Panagiotis; Kostaridou, Vassileia; Koutsouris, Dimitris; Manta, Rano; Paraskevopoulos, Evangelos; Haritou, Maria; Elgoyhen, Ana Belén; Goedhart, Hazel; Koller, Michael; Shekhawat, Giriraj Singh; Crump, Holger; Hannemann, Ronny; Holfelder, Marc; Oberholzer, Timon; Vontas, Apostolos; Trochidis, Ilias; Moumtzi, Vicky; Cederroth, Christopher R.; Koloutsou, Konstantina; Spanoudakis, George; Basdekis, Ioannis; Gallus, Silvano; Lugo, Alessandra; Stival, Chiara; Borroni, Elisa; Markatos, Nikolaos; Bibas, Athanasios; Kikidis, Dimitris
In: Progress in brain research - Amsterdam [u.a.] : Elsevier, Bd. 260 (2021), S. 441-451
Circadian conditional granger causalities on ecological momentary assessment data from an mHealth app
Jamaludeen, Noor; Unnikrishnan, Vishnu; Pryss, Rüdiger; Schobel, Johannes; Schlee, Winfried; Spiliopoulou, Myra
In: 2021 IEEE 34th International Symposium on Computer-Based Medical Systems / IEEE CBMS , 2021 - Piscataway, NJ : IEEE ; Almeida, João Rafael [Symposium: IEEE 34th International Symposium on Computer-Based Medical Systems, CBMS 2021, virtual, 7-9 June 2021]
Love thy neighbours - a framework for error-driven discovery of useful neighbourhoods for one-step forecasts on EMA data
Unnikrishnan, Vishnu; Shah, Yash; Schleicher, Miro; Fernández-Viadero, Carlos; Strandzheva, Mirela; Velikova, Doroteya; Dimitrov, Plamen; Pryss, Rüdiger; Schobel, Johannes; Schlee, Winfried; Spiliopoulou, Myra
In: 2021 IEEE 34th International Symposium on Computer-Based Medical Systems / IEEE CBMS , 2021 - Piscataway, NJ : IEEE ; Almeida, João Rafael [Symposium: IEEE 34th International Symposium on Computer-Based Medical Systems, CBMS 2021, virtual, 7-9 June 2021]
Using big data to develop a clinical decision support system for tinnitus treatment
Schlee, Winfried; Langguth, Berthold; Pryss, Rüdiger; Allgaier, Johannes; Mulansky, Lena; Vogel, Carsten; Spiliopoulou, Myra; Schleicher, Miro; Unnikrishnan, Vishnu; Puga, Clara; Manta, Ourania; Sarafidis, Michalis; Kouris, Ioannis; Vellidou, Eleftheria; Koutsouris, Dimitris; Koloutsou, Konstantina; Spanoudakis, George; Cederroth, Christopher; Kikidis, Dimitris
In: The Behavioral Neuroscience of Tinnitus , 1st ed. 2021. - Cham : Springer International Publishing ; Searchfield, Grant D., S. 175-189 - (Current topics in behavioral neurosciences; volume 51)
A framework for authorial clustering of shorter texts in latent semantic spaces
Trad, Rafi; Spiliopoulou, Myra
In: Advances in Intelligent Data Analysis XIX , 1st ed. 2021. - Cham : Springer International Publishing ; Abreu, Pedro Henriques, S. 301-312 - (Lecture Notes in Computer Science; 12695) [Symposium: 19th International Symposium on Intelligent Data Analysis, IDA 2021, Porto, Portugal, April 26-28, 2021]
Potential of point-of-care and at-home assessment of immune status via rapid cytokine detection and questionnaire-based anamnesis
Jamaludeen, Noor; Beyer, Christian; Billing, Ulrike; Vogel, Katrin; Brunner-Weinzierl, Monika; Spiliopoulou, Myra
In: Sensors - Basel : MDPI, Bd. 21 (2021), Heft 15, Artikel 4960, insges. 33 S.
LAC: Latent Authorial Clustering of shorter texts
Trad, Rafi; Spiliopoulou, Myra
In: Software impacts - [Amsterdam] : Elsevier ScienceDirect, Bd. 10 (2021), Artikel 100119, insges. 3 S.
Assessing the difficulty of annotating medical data in crowdworking with help of experiments
Rother, Anne; Niemann, Uli; Hielscher, Tommy; Völzke, Henry; Ittermann, Till; Spiliopoulou, Myra
In: PLOS ONE - San Francisco, California, US : PLOS, Bd. 16 (2021), Heft 7, Artikel e0254764, insges. 26 S.
Immune-checkpoint blockade of CTLA-4 (CD152) in antigen-specific human T-cell responses differs profoundly between neonates, children, and adults
Arra, Aditya; Pech, Maximilian; Fu, Hang; Lingel, Holger; Braun, Franziska; Beyer, Christian; Spiliopoulou, Myra; Bröker, Barbara; Lampe, Karen; Arens, Christoph; Vogel, Katrin; Pierau, Mandy; Brunner-Weinzierl, Monika
In: OncoImmunology - Abingdon : Taylor & Franics, Bd. 10 (2021), Heft 1, Artikel e1938475, insges. 12 S.
Intelligent assistance for expert-driven subpopulation discovery in high-dimensional timestamped medical data
Niemann, Uli; Spiliopoulou, Myra; Preim, Bernhard
In: Magdeburg, Dissertation Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2021, ix, 185 Seiten [Literaturverzeichnis: Seite 159-182][Literaturverzeichnis: Seite 159-182]
2020
Predicting the health condition of mHealth app users with large differences in the number of recorded observations - where to learn from?
Unnikrishnan, Vishnu; Shah, Yash; Schleicher, Miro; Strandzheva, Mirela; Dimitrov, Plamen; Velikova, Doroteya; Pryss, Ruediger; Schobel, Johannes; Schlee, Winfried; Spiliopoulou, Myra
In: Discovery Science , 1st ed. 2020. - Cham : Springer International Publishing ; Appice, Annalisa, S. 659-673 - ( Lecture Notes in Computer Science; volume 12323) [Konferenz: 23rd International Conference on Discovery Science, DS 2020, Thessaloniki, Greece, October 19-21, 2020]
Multivariate time series as images - imputation using convolutional denoising autoencoder
Safi, Abdullah Al; Beyer, Christian; Unnikrishnan, Vishnu; Spiliopoulou, Myra
In: Advances in Intelligent Data Analysis XVIII , 1st ed. 2020. - Cham : Springer International Publishing ; Berthold, Michael R., insges. 13 S. - (Lecture notes in computer science; 12080) [Symposium: 18th International Symposium on Intelligent Data Analysis, IDA 2020, Konstanz, Germany, April 27-29, 2020]
Understanding adherence to the recording of ecological momentary assessments in the example of tinnitus monitoring
Schleicher, Miro; Unnikrishnan, Vishnu; Neff, Patrick; Simoes, Jorge; Probst, Thomas; Pryss, Rüdiger; Schlee, Winfried; Spiliopoulou, Myra
In: Scientific reports - [London] : Macmillan Publishers Limited, part of Springer Nature - Volume 10(2020), article number 22459, 13 Seiten
Machine learning identifies the dynamics and influencing factors in an auditory category learning experiment
Abolfazli, Amir; Brechmann, André; Wolff, Susann; Spiliopoulou, Myra
In: Scientific reports - [London] : Macmillan Publishers Limited, part of Springer Nature - Volume 10(2020), article-number 6548, 12 Seiten
Development and internal validation of a depression severity prediction model for tinnitus patients based on questionnaire responses and socio-demographics
Niemann, Uli; Brueggemann, Petra; Boecking, Benjamin; Mazurek, Birgit; Spiliopoulou, Myra
In: Scientific reports - [London] : Macmillan Publishers Limited, part of Springer Nature - Volume 10 (2020), article number 4664, 9 Seiten
Active feature acquisition on data streams under feature drift
Beyer, Christian; Büttner, Maik; Unnikrishnan, Vishnu; Schleicher, Miro; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Annals of telecommunications - Paris : Lavoisier, Bd. 75 (2020), Heft 9/10, S. 597-611
Efficient processing of geospatial mhealth data using a scalable crowdsensing platform
Kraft, Robin; Birk, Ferdinand; Reichert, Manfred; Deshpande, Aniruddha; Schlee, Winfried; Langguth, Berthold.; Baumeister, Harald; Probst, Thomas; Spiliopoulou, Myra; Pryss, Rüdiger
In: Sensors - Basel : MDPI - Volume 20 (2020), issue 12, article 3456, 21 Seiten
Gender-specific differences in patients with chronic tinnitus-baseline characteristics and treatment effects
Niemann, Uli; Boecking, Benjamin; Brueggemann, Petra; Mazurek, Birgit; Spiliopoulou, Myra
In: Frontiers in neuroscience - Lausanne : Frontiers Research Foundation, Bd. 14 (2020), Artikel 487, insges. 11 S.
Tinnitus-related distress after multimodal treatment can be characterized using a key subset of baseline variables
Niemann, Uli; Boecking, Benjamin; Brueggemann, Petra; Mebus, Wilhelm; Mazurek, Birgit; Spiliopoulou, Myra
In: PLOS ONE - San Francisco, California, US : PLOS - 15 (2020), 1, article e0228037, insgesamt 18 Seiten
Plantar temperatures in stance position - a comparative study with healthy volunteers and diabetes patients diagnosed with sensoric neuropathy
Niemann, Uli; Spiliopoulou, Myra; Malanowski, Jan; Kellersmann, Juliane; Szczepanski, Thorsten; Klose, Silke; Dedonaki, Eirini; Walter, Isabell; Ming, Antao; Mertens, Peter R.
In: EBioMedicine - Amsterdam [u.a.] : Elsevier - Volume 54.2020, article 102712, 11 Seiten
Resource management for model learning at entity level
Beyer, Christian; Unnikrishnan, Vishnu; Brüggemann, Robert; Toulouse, Vincent; Omar, Hafez Kader; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Annals of telecommunications - Paris : Lavoisier, Bd. 75 (2020), S. 549-561
The effect of non-personalised tips on the continued use of self-monitoring mHealth applications
Unnikrishnan, Vishnu; Schleicher, Miro; Shah, Yash; Jamaludeen, Noor; Pryss, Ruediger; Schobel, Johannes; Kraft, Robin; Schlee, Winfried; Spiliopoulou, Myra
In: Brain Sciences - Basel : MDPI AG - Volume 10(2020), issue 12, article 924, 13 Seiten
Phenotyping chronic tinnitus patients using self-report questionnaire data - cluster analysis and visual comparison
Niemann, Uli; Brueggemann, Petra; Boecking, Benjamin; Mebus, Wilhelm; Rose, Matthias; Spiliopoulou, Myra; Mazurek, Birgit
In: Scientific reports - [London] : Macmillan Publishers Limited, part of Springer Nature, Bd. 10 (2020), Artikel 16411, insges. 10 S.
2019
Towards a hierarchical approach for outlier detection in industrial production settings
Hoppenstedt, Burkhard; Reichert, Manfred; Kammerer, Klaus; Spiliopoulou, Myra; Pryss, Rüdiger
In: CEUR workshop proceedings - Aachen, Germany : RWTH Aachen, Bd. 2322 (2019), S. 1-4 [Workshop: Workshops of the EDBT/ICDT 2019 Joint Conference (EDBT/ICDT 2019), Lisbon, Portugal, March 26, 2019]
Exploiting entity information for stream classification over a stream of reviews
Beyer, Christian; Unnikrishnan, Vishnu; Niemann, Uli; Matuszyk, Pawel; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Applied computing 2019 / Annual ACM Symposium on Applied Computing , 2019 - [New York, NY] : Association for Computing Machinery, Inc. (ACM), S. 564-573 [Symposium: 34th ACM/SIGAPP Symposium on Applied Computing, SAC, Limassol, Cyprus, April 08 - 12, 2019]
Assessing the reliability of crowdsourced labels via Twitter
Jamaludeen, Noor; Unnikrishnan, Vishnu; Sekeran, Maya S.; Ali, Majed; Trang, Le Anh; Spiliopoulou, Myra
In: CEUR workshop proceedings - Aachen, Germany : RWTH Aachen, Bd. 2454 (2019), S. 115-126 [Konferenz: Konferenz "Lernen, Wissen, Daten, Analysen", LWDA 2019, Berlin, Germany, September 30 - October 2, 2019]
Active feature acquistion for opinion stream classication under drift
Shivakumaraswamy, Ranjith; Beyer, Christian; Unnikrishnan, Vishnu; Ntoutsi, Eirini; Spiliopoulou, Myra
In: CEUR workshop proceedings - Aachen : RWTH, Bd. 2444 (2019), S. 108-111 [Workshop on Interactive Adaptive Learning, IAL 2019, Würzburg, Germany, September 16, 2019]
Entity-level stream classification - exploiting entity similarity to label the future observations referring to an entity
Unnikrishnan, Vishnu; Beyer, Christian; Matuszyk, Pawel; Niemann, Uli; Pryss, Rüdiger; Schlee, Winfried; Ntoutsi, Eirini; Spiliopoulou, Myra
In: International journal of data science and analytics - Cham, Switzerland : Springer International Publishing . - 2019 [Online first]
Introduction to the special issue on social data analytics in medicine and healthcare
Rodríguez-González, Alejandro; Vakali, Athena; Mayer, Miguel A.; Okumura, Takashi; Menasalvas-Ruiz, Ernestina; Spiliopoulou, Myra
In: International journal of data science and analytics - Cham, Switzerland : Springer International Publishing . - 2019 [Online first]
Visual analysis of missing values in longitudinal cohort study data
Alemzadeh, Shiva; Niemann, Uli; Ittermann, Till; Völzke, Henry; Schneider, Daniel; Spiliopoulou, Myra; Bühler, K.; Preim, Bernhard
In: Computer graphics forum - Oxford : Wiley-Blackwell, Bd. 39 (2020), Heft 1, S. 63-75
Editorial: Towards an understanding of tinnitus heterogeneity
Cederroth, Christopher R.; Gallus, Silvano; Hall, Deborah A.; Kleinjung, Tobias; Langguth, Berthold; Maruotti, Antonello; Meyer, Martin; Norena, Arnaud; Probst, Thomas; Pryss, Rüdiger; Searchfield, Grant; Shekhawat, Giriraj; Spiliopoulou, Myra; Vanneste, Sven; Schlee, Winfried
In: Frontiers in aging neuroscience - Lausanne : Frontiers Research Foundation - Vol. 11.2019, Art. 53, insgesamt 7 S.
Exploiting background knowledge on evolving objects to identify relevant dimensions for classification
Hielscher, Tommy; Spiliopoulou, Myra; Preim, Bernhard
In: Magdeburg, Dissertation Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2019, xv, 137 Seiten [Literaturverzeichnis: Seite 121-135][Literaturverzeichnis: Seite 121-135]
2018
Transformation of temperature timeseries into features that characterize patients with diabetic autonomic nerve disorder
Ravindran, Rohith; Niemann, Uli; Klose, Silke; Walter, Isabell; Ming, Antao; Mertens, Peter R.; Spiliopoulou, Myra
In: 31st IEEE International Symposium on Computer-Based Medical Systems , 2018 - Piscataway, NJ : IEEE [Symposium: 31st IEEE International Symposium on Computer-Based Medical Systems, CBMS 2018, Karlstad, Sweden, 18-21 June 2018]
Entity-level stream classification - exploiting entity similarity to label the future observations referring to an entity
Unnikrishnan, Vishnu; Beyer, Christian; Matuszyk, Pawel; Niemann, Uli; Pryss, Rüdiger; Schlee, Winfried; Ntoutsi, Eirini; Spiliopoulou, Myra
In: 2018 IEEE 5th International Conference on Data Science and Advanced Analytics / IEEE International Conference on Data Science and Advanced Analytics , 2018 - Piscataway, NJ : IEEE ; Bonchi, Francesco, S. 246-255 [Konferenz: IEEE 5th International Conference on Data Science and Advanced Analytics, DSAA, Turin, Italy, 01-03 October 2018]
Active stream learning with an oracle of unknown availability for sentiment prediction
Serrao, Elson; Spiliopoulou, Myra
In: CEUR workshop proceedings - Aachen, Germany : RWTH Aachen, Bd. 2192 (2018), S. 36-47 [Workshop: Workshop on Interactive Adaptive Learning, Dublin, Ireland, 10. September 2018]
Studying the potential of multi-target classification on patient screening data to predict dropout cases
Motwani, Rajeev; Reichert, Manfred; Kalle, Sven; Pryss, Ruediger; Schlee, Winfried; Probst, Thomas; Langguth, Berthold; Landgrebe, Michael; Spiliopoulou, Myra
In: 31st IEEE International Symposium on Computer-Based Medical Systems , 2018 - Piscataway, NJ : IEEE [Symposium: 31st IEEE International Symposium on Computer-Based Medical Systems, CBMS 2018, Karlstad, Sweden, 18-21 June 2018]
Building a Bayesian Network to understand the interplay of variables in an epidemiological population-based study
Multani, Paras; Niemann, Uli; Cypko, Mario A.; Kuehn, Jens-Peter; Völzke, Henry; Oeltze-Jafra, Steffen; Spiliopoulou, Myra
In: 31st IEEE International Symposium on Computer-Based Medical Systems , 2018 - Piscataway, NJ : IEEE [Symposium: 31st IEEE International Symposium on Computer-Based Medical Systems, CBMS 2018, Karlstad, Sweden, 18-21 June 2018]
Differences between android and iOS users of the TrackYourTinnitus mobile crowdsensing mHealth platform
Pryss, Ruediger; Reichert, Manfred; Schlee, Winfried; Spiliopoulou, Myra; Langguth, Berthold; Probst, Thomas
In: 31st IEEE International Symposium on Computer-Based Medical Systems , 2018 - Piscataway, NJ : IEEE [Symposium: 31st IEEE International Symposium on Computer-Based Medical Systems, CBMS 2018, Karlstad, Sweden, 18-21 June 2018]
Discovering, selecting and exploiting feature sequence records of study participants for the classification of epidemiological data on hepatic steatosis
Hielscher, Tommy; Völzke, Henry; Papapetrou, Panagiotis; Spiliopoulou, Myra
In: Proceedings of the 33rd Annual ACM Symposium on Applied Computing 2018 - New York, NY : ACM, S. 6-13 [Symposium: 33rd Annual ACM Symposium on Applied Computing, SAC '18, Pau, France, April 09 - 13, 2018]
Rupture status classification of intracranial aneurysms using morphological parameters
Niemann, Uli; Berg, Philipp; Niemann, Annika; Beuing, Oliver; Preim, Bernhard; Spiliopoulou, Myra; Saalfeld, Sylvia
In: 31st IEEE International Symposium on Computer-Based Medical Systems , 2018 - Piscataway, NJ : IEEE [Symposium: 31st IEEE International Symposium on Computer-Based Medical Systems, CBMS 2018, Karlstad, Sweden, 18-21 June 2018]
Predicting polarities of entity-centered documents without reading their contents
Beyer, Christian; Niemann, Uli; Unnikrishnan, Vishnu; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Proceedings of the 33rd Annual ACM Symposium on Applied Computing 2018 - New York, NY : ACM, S. 525-528 [Symposium: 33rd Annual ACM Symposium on Applied Computing, SAC '18, Pau, France, April 09 - 13, 2018]
Enriching lexicons with ephemeral words for sentiment analysis in social streams
Melidis, Damianos P.; Campero, Alvaro V.; Iosifidis, Vasileios; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Proceedings of the 8th International Conference on Web Intelligence, Mining and Semantics - New York : ACM - 2018, Art. 38, insgesamt 8 S. [Konferenz: 8th International Conference on Web Intelligence, Mining and Semantics, WIMS '18, Novi Sad, Serbia, June 25 - 27, 2018]
Learning under feature drifts in textual streams
Melidis, Damianos P.; Spiliopoulou, Myra; Ntoutsi, Eirini
In: Proceedings of the 27th ACM Conference on Information and Knowledge Management - New York, NY : ACM, Association for Computing Machinery . - 2018, S. 527-536 [Konferenz: 27th ACM Conference on Information and Knowledge Management, CIKM '18, Torino, Italy, October 22 - 26, 2018]
Prospective crowdsensing versus retrospective ratings of tinnitus variability and tinnitus-stress associations based on the TrackYourTinnitus mobile platform
Pryss, Rüdiger; Probst, Thomas; Schlee, Winfried; Schobel, Johannes; Langguth, Berthold; Neff, Patrick; Spiliopoulou, Myra; Reichert, Manfred
In: International journal of data science and analytics - Cham, Switzerland : Springer International Publishing . - 2018 [Online First]
Personalized recommender systems for product-line configuration processes
Pereira, Juliana Alves; Matuszyk, Pawel; Krieter, Sebastian; Spiliopoulou, Myra; Saake, Gunter
In: Computer languages, systems and structures - Amsterdam [u.a.] : Elsevier Science . - 2018, insges. 21 S.
How do annotators label short texts? - toward understanding the temporal dynamics of tweet labeling
Räbiger, Stefan; Spiliopoulou, Myra; Saygın, Yücel
In: Information sciences - New York, NY : Elsevier Science Inc., Bd. 457/458 (2018), S. 29-47
Review of smart services for tinnitus self-help, diagnostics and treatments
Kalle, Sven; Schlee, Winfried; Pryss, Rüdiger C.; Probst, Thomas; Reichert, Manfred; Langguth, Berthold; Spiliopoulou, Myra
In: Frontiers in neuroscience - Lausanne : Frontiers Research Foundation - Vol. 12.2018, Art. 541, insgesamt 8 S.
Outpatient tinnitus clinic, self-help web platform, or mobile application to recruit tinnitus study samples?
Probst, Thomas; Pryss, Rüdiger C.; Langguth, Berthold; Spiliopoulou, Myra; Landgrebe, Michael; Vesala, Markku; Harrison, Stephen; Schobel, Johannes; Reichert, Manfred; Stach, Michael; Schlee, Winfried
In: Frontiers in aging neuroscience - Lausanne : Frontiers Research Foundation - Vol. 9.2018, Art. 113, insgesamt 7 Seiten
A framework for expert-driven subpopulation discovery and evaluation using subspace clustering for epidemiological data
Hielscher, Tommy; Niemann, Uli; Preim, Bernhard; Völzke, Henry; Ittermann, Till; Spiliopoulou, Myra
In: Expert systems with applications - Amsterdam [u.a.] : Elsevier Science, Bd. 113 (2018), S. 147-160
Personalized recommender systems for software product line configurations
Arriel, Juliana; Saake, Gunter; Spiliopoulou, Myra
In: Magdeburg, Dissertationn Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2018, xviii, 206 Seiten [Literaturverzeichnis: Seite [179]-206][Literaturverzeichnis: Seite [179]-206]
A system for the automatic detection and identification of engineered nanoparticles in scanning electron microscopy images
Kockentiedt, Stephen; Tönnies, Klaus; Spiliopoulou, Myra
In: Magdeburg, Dissertation Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2018, xxxi, 219 Seiten [Literaturverzeichnis: Seite 207-219][Literaturverzeichnis: Seite 207-219]
2017
Scalable online Top-N recommender systems
Jorge, Alípio M.; Vinagre, João; Domingues, Marcos; Gama, João; Soares, Carlos; Matuszyk, Pawel; Spiliopoulou, Myra
In: E-Commerce and Web Technologies - Cham : Springer . - 2017, S. 3-20 - (Lecture Notes in Business Information Processing; 278) [Konferenz: 17th International Conference, EC-Web 2016, Porto, Portugal, September 5-8, 2016]
Mobile crowdsensing for the juxtaposition of realtime assessments and retrospective reporting for neuropsychiatric symptoms
Pryss, Rudiger; Probst, Thomas; Schlee, Winfried; Schobel, Johannes; Langguth, Berthold; Neff, Patrick; Spiliopoulou, Myra; Reichert, Manfred
In: 2017 IEEE 30th International Symposium on Computer-Based Medical Systems, CBMS 2017 / IEEE International Symposium on Computer-Based Medical Systems , 2017 - Piscataway, NJ : IEEE, S. 642-647 [Symposium: IEEE 30th International Symposium on Computer-Based Medical Systems, (CBMS)Thessaloniki, Greece, 22-24 June 2017]
Patient empowerment through summarization of discussion threads on treatments in a patient self-help forum
Dandage, Sourabh; Huber, Johannes; Janki, Atin; Niemann, Uli; Pryss, Rüdiger; Reichert, Manfred; Harrison, Steve; Vessala, Markku; Schlee, Winfried; Probst, Thomas; Spiliopoulou, Myra
In: Precision medicine powered by pHealth and connected health - Singapore : Springer Nature Singapore ; Maglaveras, Nicos . - 2017, S. 16-29 - (IFMBE proceedings; 66) [Konferenz: International Conference on Biomedical and Health Informatics, ICBHI 2017, Thessaloniki, Greece, 18-21 November 2017]
Visual analytics of missing data in epidemiological cohort studies
Alemzadeh, Shiva; Niemann, Uli; Ittermann, Till; Völzke, Henry; Schneider, Daniel; Spiliopoulou, Myra; Preim, Bernhard
In: VCBM 2017 - Eurographics Ass. [Workshop: Eurographics Workshop on Visual Computing for Biology and Medicine, VCBM 2017, Bremen, Germany, Bremen, Germany, September 07-08, 2017]
Subpopulation discovery and validation in epidemiological data
Alemzadeh, Shiva; Hielscher, Tommy; Niemann, Uli; Cibulski, Lena; Ittermann, Till; Völzke, Henry; Spiliopoulou, Myra; Preim, Bernhard
In: EuroVa 2017 - Eurographics ; Sedlmaier, Michael [Workshop: EuroVis Workshop on Visual Analytics, EuroVa 2017, Barcelona, Spain, June 12 - 13, 2017]
Combining subgroup discovery and clustering to identify diverse subpopulations in cohort study data
Niemann, Uli; Spiliopoulou, Myra; Preim, Bernhard; Ittermann, Till; Völzke, Henry
In: 2017 IEEE 30th International Symposium on Computer-Based Medical Systems, CBMS 2017 / IEEE International Symposium on Computer-Based Medical Systems , 2017 - Piscataway, NJ : IEEE ; Bamidis, Panagiotis D., S. 582-587 [Symposium: IEEE 30th International Symposium on Computer-Based Medical Systems, (CBMS)Thessaloniki, Greece, 22-24 June 2017]
ICE - interactive classification rule exploration on epidemiological data
Schleicher, Miro; Ittermann, Till; Niemann, Uli; Völzke, Henry; Spiliopoulou, Myra
In: 2017 IEEE 30th International Symposium on Computer-Based Medical Systems, CBMS 2017 / IEEE International Symposium on Computer-Based Medical Systems , 2017 - Piscataway, NJ : IEEE ; Bamidis, Panagiotis D., S. 606-611 [Symposium: IEEE 30th International Symposium on Computer-Based Medical Systems, (CBMS)Thessaloniki, Greece, 22-24 June 2017]
Studying the potential of multi-target classification to characterize combinations of classes with skewed distribution
Schneck, Arne; Kalle, Sven; Pryss, Rüdiger; Schlee, Winfried; Probst, Thomas; Langguth, Berthold; Landgrebe, Michael; Reichert, Manfred; Spiliopoulou, Myra
In: 2017 IEEE 30th International Symposium on Computer-Based Medical Systems, CBMS 2017 / IEEE International Symposium on Computer-Based Medical Systems , 2017 - Piscataway, NJ : IEEE, S. 630-635 [Symposium: IEEE 30th International Symposium on Computer-Based Medical Systems, (CBMS)Thessaloniki, Greece, 22-24 June 2017]
Forgetting techniques for stream-based matrix factorization in recommender systems
Matuszyk, Pawel; Vinagre, João; Spiliopoulou, Myra; Jorge, Alípio Mário; Gama, João
In: Knowledge and information systems - London : Springer, Bd. 55 (2018), Heft 2, S. 275-304
Does tinnitus depend on time-of-day? - an ecological momentary assessment study with the TrackYourTinnitus application
Probst, Thomas; Pryss, Rüdiger Christoph; Langguth, Berthold; Rauschecker, Josef P.; Schobel, Johannes; Reichert, Manfred; Spiliopoulou, Myra; Schlee, Winfried; Zimmermann, Johannes
In: Frontiers in aging neuroscience - Lausanne : Frontiers Research Foundation - Vol. 9, Art. 253, insgesamt 9 S.
Stream-based semi-supervised learning for recommender systems
Matuszyk, Pawel; Spiliopoulou, Myra
In: Machine learning - Dordrecht [u.a.] : Springer Science + Business Media B.V . - 2017
Selective learning for recommender systems
Matuszyk, Pawel; Spiliopoulou, Myra
In: Magdeburg, Dissertation Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik 2017, 201 Seiten [Literaturverzeichnis: Seite 185-198][Literaturverzeichnis: Seite 185-198]
Visual subpopulation discovery and validation in epidemiological data
Alemzadeh, Shiva; Hielscher, Tommy; Niemann, Uli; Cibulski, Lena; Ittermann, Till; Völzke, Henry; Spiliopoulou, Myra; Preim, Bernhard
In: De.arxiv.org - [S.l.] : Arxiv.org . - 2017, insges. 12 S.
2016
SteM at SemEval-2016 Task 4 - applying active learning to improve sentiment classification
Räbiger, Stefan; Kazmi, Mishal; Saygın, Yücel; Schüller, Peter; Spiliopoulou, Myra
In: The 10th International Workshop on Semantic Evaluation - proceedings of the workshop , 2016 - Stroudsburg, PA : Association for Computational Linguistics (ACL) - 2016, Art. S16-1007, S. 64-70 [Kongress: 10th International Workshop on Semantic Evaluation (SemEval-2016), San Diego, California, USA, 16-17 June, 2016]
Identifying relevant features for a multi-factorial disorder with constraint-based subspace clustering
Hielscher, Tommy; Spiliopoulou, Myra; Völzke, Henry; Kühn, Jens-Peter
In: IEEE 29th International Symposium on Computer-Based Medical Systems - Piscataway, NJ : IEEE . - 2016, S. 207-212 [Kongress: IEEE 29th International Symposium on Computer-Based Medical Systems (CBMS), 20 June 2016, Dublin, Ireland und 21 - 23 June 2016, Belfast, Nothern Ireland]
Investigating exploratory capabilities of uncertainty sampling using SVMs in active learning
Lang, Dominik; Kottke, Daniel; Krempl, Georg; Spiliopoulou, Myra
In: CEUR workshop proceedings - Aachen, Germany : RWTH Aachen, Bd. 1707 (2016), S. 25-34 [Kongress: Workshop on Active Learning: Applications, Foundations and Emerging Trends, AL@iKNOW 2016, Graz, Austria, October 18, 2016]
A feature-based personalized recommender system for product-line configuration
Pereira, Juliana Alves; Matuszyk, Pawel; Krieter, Sebastian; Spiliopoulou, Myra; Saake, Gunter
In: Proceedings of the 2016 ACM SIGPLAN International Conference on Generative Programming - New York, NY : ACM, S. 120-131 [Kongress: 2016 ACM SIGPLAN International Conference on Generative Programming, GPCE 2016, Amsterdam, Netherlands, October 31 - November 01, 2016]
Learning pressure patterns for patients with diabetic foot syndrome
Niemann, Uli; Spiliopoulou, Myra; Samland, Fred; Szczepanski, Thorsten; Grützner, Jens; Ming, Antao; Kellersmann, Juliane; Malanowski, Jan; Klose, Silke; Mertens, Peter R.
In: IEEE 29th International Symposium on Computer-Based Medical Systems / IEEE International Symposium on Computer-Based Medical Systems , 2016 - Piscataway, NJ : IEEE ; Kane, Bridget, S. 54-59 [Kongress: IEEE 29th International Symposium on Computer-Based Medical Systems (CBMS), 20 June 2016, Dublin, Ireland und 21 - 23 June 2016, Belfast, Nothern Ireland]
Multi-class probabilistic active learning
Kottke, Daniel; Krempl, Georg; Lang, Dominik; Teschner, Sebastian; Spiliopoulou, Myra
In: ECAI 2016 , 2016 - Amsterdam : IOS Press, S. 586 - 594 - (Frontiers in artificial intelligence and applications; 285) [Kongress: 22nd European Conference on Artificial Intelligence, ECAI 2016, The Hague, The Netherlands, 29 August-2 September, 2016]
Comparative clustering of plantar pressure distributions in diabetics with polyneuropathy may be applied to reveal inappropriate biomechanical stress
Niemann, Uli; Spiliopoulou, Myra; Szczepanski, Thorsten; Samland, Fred; Grützner, Jens; Senk, Dominik; Ming, Antao; Kellersmann, Juliane; Malanowski, Jan; Klose, Silke; Mertens, Peter R.
In: PLOS ONE - San Francisco, California, US : PLOS - Bd. 11 (2016), 8, Art.-Nr. e0161326, insges. 12 S.
2015
Semi-supervised learning for stream recommender systems
Matuszyk, Pawel; Spiliopoulou, Myra
In: Discovery Science , 1st ed. 2015 - Cham : Springer ; Japkowicz, Nathalie, S. 131-145 - (Lecture notes in computer science; 9356)
Ageing-based multinomial naive bayes classifiers over opinionated data streams
Wagner, Sebastian; Zimmermann, Max; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Machine Learning and Knowledge Discovery in Databases , 1st ed. 2015 - Cham [u.a.] : Springer ; Appice, Annalisa, S. 401-416 - (Lecture notes in computer science; 9284)
Forgetting methods for incremental matrix factorization in recommender systems
Matuszyk, Pawel; Vinagre, João; Spiliopoulou, Myra; Jorge, Alípio Mário; Gama, João
In: Proceedings of the 30th Annual ACM Symposium on Applied Computing 2015 - New York, NY : ACM, S. 947-953
Clustering-based optimised probabilistic active learning (COPAL)
Krempl, Georg; Ha, Tuan Cuong; Spiliopoulou, Myra
In: Discovery Science , 1st ed. 2015 - Cham : Springer ; Japkowicz, Nathalie, S. 101-115 - (Lecture notes in computer science; 9356)
Probabilistic active learning in datastreams
Kottke, Daniel; Krempl, Georg; Spiliopoulou, Myra
In: Advances in intelligent data analysis XIV - Cham [u.a.] : Springer . - 2015, S. 145-157 - (Lecture notes in computer science; 9385)
Incremental active opinion learning over a stream of opinionated documents
Zimmermann, Max; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Arxiv - Ithaca, NY : Cornell University . - 2015, insges. 10 S. [Kongress: WISDOM'15 ; (Sidney) : 2015.08.10]
Learning relational user profiles and recommending items as their preferences change
Siddiqui, Zaigham Faraz; Tiakas, Eleftherios; Symeonidis, Panagiotis; Spiliopoulou, Myra; Manolopoulos, Yannis
In: International journal on artificial intelligence tools - Singapore [u.a.] : World Scientific Publ. - Vol. 24.2015, 2, Art. 1540009, insgesamt 31 S.
Discovering and monitoring product features and the opinions on them with OPINSTREAM
Zimmermann, Max; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Neurocomputing - Amsterdam : Elsevier - Vol. 150.2015, Part A, S. 318-330
Extracting opinionated (sub)features from a stream of product reviews using accumulated novelty and internal re-organization
Zimmermann, Max; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Information sciences - New York, NY : Elsevier Science Inc. . - 2015
A framework for validating the merit of properties that predict the influence of a twitter user
Räbiger, Stefan; Spiliopoulou, Myra
In: Expert systems with applications - Amsterdam [u.a.] : Elsevier Science, Bd. 42 (2015), Heft 5, S. 2824-2834
Predicting the post-treatment recovery of patients suffering from traumatic brain injury (TBI)
Siddiqui, Zaigham Faraz; Krempl, Georg; Spiliopoulou, Myra; Pena, Jose M.; Paul, Nuria; Maestro, Fernando
In: Brain Informatics - Heidelberg : Springer, Bd. 2 (2015), Heft 1, S. 33-44
Can we classify the participants of a longitudinal epidemiological study from their previous evolution?
Niemann, Uli; Hielscher, Tommy; Spiliopoulou, Myra; Völzke, Henry; Kühn, Jens-Peter
In: 2015 IEEE 28th International Symposium on Computer-Based Medical Systems - Piscataway, NJ : IEEE ; Traina, Caetano, S. 121-126
Understanding and monitoring attitudes of product properties over time
Zimmermann, Max; Spiliopoulou, Myra
In: Magdeburg, Univ., Fak. für Informatik, Diss., 2015, XIV, 185 S.
2014
Probabilistic active learning - a short proposition
Krempl, Georg; Kottke, Daniel; Spiliopoulou, Myra
In: ECAI 2014: 21st European Conference on Artificial Intelligence, 18-22 August 2014, Prague, Czech Republic ; including Prestigious applications of intelligent systems (PAIS 2014) ; proceedings - Amsterdam [u.a.]: IOS Press, S. 1049-1050 - (Frontiers in artificial intelligence and applications; 263)Kongress: PAIS 2014 (Prague : 2014.08.18-22)
Hoeffding-CF - neighbourhood-based recommendations on reliably similar users
Matuszyk, Pawel; Spiliopoulou, Myra
In: User modeling, adaptation and personalization: 22nd international conference, UMAP 2014, Aalborg, Denmark, July 7-11, 2014 ; proceedings - Berlin [u.a.]: Springer, S. 146-157 - (Lecture notes in computer science; 8538)
Are some brain injury patients improving more than others?
Siddiqui, Zaigham Faraz; Krempl, Georg; Spiliopoulou, Myra; Peña, Jose M.; Paul, Nuria; Maestu, Fernando
In: Brain Informatics and Health / Slezak , Dominik - Cham [u.a.] : Springer . - 2014, S. 376-387 - (Lecture notes in computer science; 8609) Kongress: BIH 2014 Warsaw, Poland 2014.08.11-14
Predicting the performance of collaborative filtering algorithms
Matuszyk, Pawel; Spiliopoulou, Myra
In: Proceedings of the 4th International Conference on Web Intelligence, Mining and Semantics (WIMS14) - New York, NY: ACM, 2014, Art. 38, insgesamt 6 S.
Probabilistic active learning - towards combining versatility, optimality and efficiency
Krempl, Georg; Kottke, Daniel; Spiliopoulou, Myra
In: Discovery Science / Džeroski , Sašo - Cham [u.a.] : Springer ; Džeroski, Sašo *1968-* . - 2014, S. 168-179 - (Lecture Notes in Computer Science; 8777) Kongress: DS 2014 17 Bled, Slovenia 2014.10.08-10
xStreams - recommending items to users with time-evolving preferences
Siddiqui, Zaigham Faraz; Tiakas, Eleftherios; Symeonidis, Panagiotis; Spiliopoulou, Myra; Manolopoulos, Yannis
In: Proceedings of the 4th International Conference on Web Intelligence, Mining and Semantics (WIMS14) - New York, NY: ACM, 2014, Art. 22, insgesamt 12 S.
Mining longitudinal epidemiological data to understand a reversible disorder
Hielscher, Tommy; Spiliopoulou, Myra; Völzke, Heinz; Kühn, Jens-Peter
In: Advances in Intelligent Data Analysis XIII / Blockeel , Hendrik - Cham [u.a.] : Springer ; Blockeel, Hendrik . - 2014, S. 120-130 - (Lecture Notes in Computer Science; 8819) Kongress: IDA 2014 13 Leuven, Belgium 2014.10.30-11.01
Selective forgetting for incremental matrix factorization in recommender systems
Matuszyk, Pawel; Spiliopoulou, Myra
In: Discovery Science / Džeroski , Sašo - Cham [u.a.] : Springer ; Džeroski, Sašo *1968-* . - 2014, S. 204-215 - (Lecture Notes in Computer Science; 8777) Kongress: DS 2014 17 Bled, Slovenia 2014.10.08-10
Interactive medical miner - interactively exploring subpopulations in epidemiological datasets
Niemann, Uli; Spiliopoulou, Myra; Völzke, Henry; Kühn, Jens-Peter
In: Machine Learning and Knowledge Discovery in Databases / Calders , Toon - Berlin, Heidelberg : Springer . - 2014, S. 460-463 - (Lecture notes in computer science; 8726) Kongress: ECML PKDD 2014 Nancy, France 2014.09.15-19
A semi-supervised self-adaptive classifier over opinionated streams
Zimmerann, M.; Ntoutsi, E.; Spiliopoulou, Myra
In: IEEE International Conference on Data Mining workshop (ICDMW), 2014: 14 Dec. 2014, Shenzhen, China - Piscataway, NJ: IEEE, S. 425-432
Adaptive semi supervised opinion classifier with forgetting mechanism
Zimmermann, Max; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Proceedings of the 29th Annual ACM Symposium on Applied Computing 2014: Gyeongju, Korea, March 24 - 28, 2014 - New York, NY: ACM, S. 805-812Kongress: SAC 29 (Gyeongju : 2014.03.24-28)
Using participant similarity for the classification of epidemiological data on hepatic steatosis
Hielscher, Tommy; Spiliopoulou, Myra; Völzke, Henry; Kühn, Jens-Peter
In: 2014 IEEE 27th International Symposium on Computer-Based Medical Systems (CBMS): 27 - 29 May 2014, New York, New York, USA - Piscataway, NJ: IEEE, insges. 7 S.Kongress: CBMS 27 (New York : 2014.05.27-29)
Subpopulation discovery in epidemiological data with subspace clustering
Niemann, Uli; Spiliopoulou, Myra; Völzke, Henry; Kühn, Jens-Peter
In: Foundations of computing and decision sciences - Berlin: de Gruyter Open, Bd. 39 (2014), 4, S. 271-300
Summarizing dynamic Social Tagging Systems
Gabriel, Hans-Henning; Spiliopoulou, Myra; Nanopoulos, Alexandros
In: Expert systems with applications: an international journal - Amsterdam [u.a.]: Elsevier Science, Bd. 41.2014, 2, S. 457-469
Open challenges for data stream mining research
Krempl, Georg; Zliobaite, Indre; Brzezinski, Dariusz; Hüllermeier, Eyke; Last, Mark; Lemaire, Vincent; Noack, Tino; Shaker, Ammar; Sievi, Sonja; Spiliopoulou, Myra; Stefanowski, Jerzy
In: ACM SIGKDD explorations newsletter - New York, NY: ACM, Bd. 16.2014, 1, insges. 10 S.
Learning and inspecting classification rules from longitudinal epidemiological data to identify predictive features on hepatic steatosis
Niemann, Uli; Völzke, Henry; Kühn, Jens-Peter; Spiliopoulou, Myra
In: Expert systems with applications: an international journal - Amsterdam [u.a.]: Elsevier Science, Bd. 41 (2014), 11, S. 5405-5415
Data analysis, machine learning and knowledge discovery
Spiliopoulou, Myra; Schmidt-Thieme, Lars; Janning, Ruth
In: Heidelberg [u.a.]: Springer, 2014, XXI, 470 S. - (Studies in classification, data analysis, and knowledge organization), ISBN: 978-3-319-01594-1 Kongress: GfKI Conference on Data Analysis, Machine Learning and Applications 36 Hildesheim 2012.08.01-03[Literaturangaben; This volume contains the revised versions of selected papers presented during the 36th Annual Conference of the German Classification Society (GfKl). The conference hosted by the University of Hildesheim, Germany, together with the Otto-von-Guericke-Universität of Magdeburg, Germany, in August 2012.]
2013
Correcting the usage of the hoeffding inequality in stream mining
Matuszyk, Pawel; Krempl, Georg; Spiliopoulou, Myra
In: Advances in Intelligent Data Analysis XII / Tucker , Allan - Berlin, Heidelberg : Springer ; Tucker, Allan . - 2013, S. 298-309 - (Lecture Notes in Computer Science; 8207) Kongress: IDA 2013 12 London 2013.10.17-19
Classification of benign and malignant DCE-MRI breast tumors by analyzing the most suspect region
Saalfeld, Sylvia; Niemann, Uli; Preim, Uta; Preim, Bernhard; Spiliopoulou, Myra
In: Bildverarbeitung für die Medizin 2013 / Meinzer , Hans-Peter - Berlin, Heidelberg : Springer ; Meinzer, Hans-Peter, S. 45-50 Kongress: Bildverarbeitung für die Medizin Heidelberg 2013.03.03-05
Extracting opinionated (sub)features from a stream of product reviews
Zimmermann, Max; Ntoutsi, Eirini; Spiliopoulou, Myra
In: Discovery Science / Fürnkranz , Johannes - Berlin, Heidelberg : Springer . - 2013, S. 340-355 - (Lecture notes in computer science; 8140) Kongress: DS 16 Singapore 2013.10.06-09
Framework for storing and processing relational entities in stream mining
Matuszyk, Pawel; Spiliopoulou, Myra
In: Advances in knowledge discovery and data mining ; Pt. 2. - Berlin [u.a.] : Springer, S. 497-508, 2013 - (Lecture Notes in Computer Science; 7819)Kongress: PAKDD 2013; 17 (Gold Coast, Australia) : 2013.04.14-17
Reference process flows for telecommunication companies
Czarnecki, Christian; Winkelmann, Axel; Spiliopoulou, Myra
In: Business & information systems engineering. - Wiesbaden : Gabler, Bd. 5.2013, 2, S. 83-96
Referenzprozessabläufe für Telekommunikationsunternehmen
Czarnecki, Christian; Winkelmann, Axel; Spiliopoulou, Myra
In: Wirtschaftsinformatik. - Berlin : Springer, Bd. 55.2013, 2, S. 83-97
Mining perennial objects
Siddiqui, Zaigham Faraz; Spiliopoulou, Myra
In: Magdeburg, Univ., Fak. für Informatik, Diss., 2013, XXII, 173 S., graph. Darst.
Entwicklung einer referenzmodellbasierten Unternehmensarchitektur für die Telekommunikationsindustrie
Czarnecki, Christian; Spiliopoulou, Myra; Turowski, Klaus
In: Berlin: Logos-Verl., Zugl.: Magdeburg, Univ., Fak. für Informatik, Diss., 2013, XX, 204 S., ISBN: 3-8325-3510-1
Visually summarizing semantic evolution in document streams with topic table
Gohr, Andrè; Spiliopoulou, Myra; Hinneburg, Alexander
In: Knowledge discovery, knowledge engineering and knowledge management - Berlin : Springer . - 2013, S. 136-150
2012
Where are we going? - predicting the evolution of individuals
Siddiqui, Zaigham Faraz; Oliveira, Márcia; Gama, João; Spiliopoulou, Myra
In: Advances in intelligent data analysis XI. - Berlin [u.a.] : Springer, S. 357-368, 2012 - (Lecture Notes in Computer Science; 7619)Kongress: IDA 2012; 11 (Helsinki) : 2012.10.25-27
Framework for computer aided analysis of medical protocols in a hospital
Schult, Rene; Matuszyk, Pawel; Spiliopoulou, Myra
In: HEALTHINF 2012. - SciTePress, S. 225-230Kongress: HEALTHINF; (Vilamoura, Portugal) : 2012.02.01-04
Transformation in Telecommunication - Analyse und Clustering von Real-life Projekten
Czarnecki, Christian; Winkelmann, Axel; Spiliopoulou, Myra
In: Multikonferenz Wirtschaftsinformatik 2012/ MKWI - Berlin: Gito . - 2012, S. 985-998
Tranformation in Telecummunication - Analyse und Clustering von Real-life Projekten
Czarnecki, Christian; Winkelmann, Axel; Spiliopoulou, Myra
In: Multikonferenz Wirtschaftsinformatik 2012. - Berlin : Gito, S. 985-997Kongress: MKWI; (Braunschweig) : 2012.02.29-03.02
Discovering global and local bursts in a stream of news
Zimmermann, max; Ntoutsi, Irene; Siddiqui, Zaigham Faraz; Spiliopoulou, Myra; Kriegel, Hans-Peter
In: The 27th annual ACM Symposium on Applied Computing. - New York, NY : ACM, S. 807-812, 2012Kongress: SAC; 27 (Riva del Garda, Italy) : 2012.03.26-30
Label monitoring on document streams
Schult, René; Spiliopoulou, Myra; Nürnberger, Andreas
In: Magdeburg, Univ., Fak. für Informatik, Diss., 2012, 101 Bl.
Knowledge representation with condensed set-valued attributes
Rügheimer, Frank Christopher; Kruse, Rudolf; Spiliopoulou, Myra
In: Magdeburg, Univ., Fak. für Informatik, Diss., 2012, XI, 178 S., graph. Darst.
LWA 2011 - Otto-von-Guericke-Universität Magdeburg, 28. - 30. September 2011 - technical report ; report of the symposium "Lernen, Wissen, Adaptivität 2011" of the GI special interest groups KDML, IR and WM
Spiliopoulou, Myra; Nürnberger, Andreas; Schult, Rene
In: Magdeburg: Univ., 2011; Online-Ressource (PDF-Datei: 324 S.)Kongress: LWA; (Magdeburg) : 2011.09.28-30
Guest editorial: special issue on a decade of mining the Web
Spiliopoulou, Myra; Mobasher, Bamshad; Nasraoui, Olfa; Zaiane, Osmar
In: Data mining and knowledge discovery : DMKD. - Norwell, Mass : Springer Science + Business Media, LCC, Bd. 24.2012, 3, S. 473-477
A holistic framework for the implementation of a next generation network
Czarnecki, Christian; Spiliopoulou, Myra
In: International journal of business information systems: IJBIS - Olney, Bucks.: Inderscience Enterprises, 2005, Bd. 9.2012, 4, S. 385-401
A semi-supervised incremental clustering algorithm for streaming data
Halkidi, Maria; Spiliopoulou, Myra; Pavlou, Aikaterini
In: Advances in knowledge discovery and data mining. - Berlin [u.a.] : Springer, S. 578-590, 2012 - (Lecture notes in computer science; 7301)Kongress: PAKDD; 16 (Kuala Lumpur, Malaysia) : 2012.05.29-06.01
2011
Making business systems in the telecommunication industry more customer-oriented
Czarnecki, Christian; Winkelmann, Axel; Spiliopoulou, Myra
In: Information Systems Development. - New York, NY : Springer Science+Business Media, LLC, S. 169-180, 2011
Evolution in social networks - a survey
Spiliopoulou, Myra
In: Social network data analytics. - New York, NY [u.a.] : Springer, S. 149-170, 2011
Text mining and applications in life sciences
Hinneburg, Alexander; Brass, Stefan; Seidl, Thomas; Spiliopoulou, Myra
In: Halle, Univ., Naturwissenschaftliche Fakultät III, Habil.-Schr., 2011, Online-Ressource (152 S. = 2,57 mb) [Tag der Verteidigung: 13.01.2011][Tag der Verteidigung: 13.01.2011]
Prediction of surgery duration using empirical anesthesia protocols
Schult, Rene; Matuszyk, Pawel; Spiliopoulou, Myra
In: The first International Workshop on Knowledge Discovery in Health Care and Medicine. - Athen, insges. 12 S., 2011Kongress: KDHCM; 1 (Athen) : 2011.09.09
A data generator for multi-stream data
Siddiqui, Zaigham Faraz; Spiliopoulou, Myra; Panagiotis, Symeonidis; Eleftherios, Tiakas
In: The second International Workshop on Mining Ubiquitous and Social Environments, MUSE '11, September 5, 2011 Athens, Greece, insges. 8 S.
Extracting cross references from life science databases for search result ranking
Bachmann, Anja; Schult, René; Spiliopoulou, Myra
In: Proceedings of the 2011 ACM International Conference on Information and Knowledge Management & co-located workshops. - New York, NY : ACM, S. 1253-1258
On the distinctiveness of tags in collaborative tagging systems
Gohr, André; Hinneburg, Alexander; Spiliopoulou, Myra; Usbeck, Ricardo
In: Proceedings of the International Conference on Web Intelligence, Mining and Semantics, WIMS'11. - New York : ACM, insges. 5 S., 2011
Dealing with concept drift and class imbalance in multi-label stream classification
Spyromitros Xioufis, Eleftherios; Spiliopoulou, Myra; Tsoumakas, Grigorios; Vlahavas, Ioannis
In: Proceedings of the Twenty-Second International Joint Conference on Artificial Intelligence ; Vol. 2. - Menlo Park, Calif. : AAAI Press [u.a.], S. 1583-1588, 2011Kongress: IJCAI; 22 (Barcelona, Spain) : 2011.07.16-22
Summarizing cluster evolution in dynamic environments
Ntoutsi, Irene; Spiliopoulou, Myra; Theodoridis, Yannis
In: Computational science and its applications - ICCSA 2011 ; Pt. 2. - Berlin [u.a.] : Springer, S. 562-577 - (Lecture notes in computer science; 6783)Kongress: ICCSA; 11 (Santander) : 2011.06.20-23
Online clustering of high-dimensional trajectories under concept drift
Krempl, Georg; Siddiqui, Zaigham Faraz; Spiliopoulou, Myra
In: Machine learning and knowledge discovery in databases ; Pt. 2. - Heidelberg [u.a.] : Springer, S. 261-276, 2011 - (Lecture notes in computer science; 6912)Kongress: ECML PKDD; (Athens) : 2011.09.05-09
Classification rule mining for a stream of perennial objects
Siddiqui, Zaigham Faraz; Spiliopoulou, Myra
In: Proceedings of the 5th international conference on Rule-based reasoning, programming, and applications, Barcelona, 2011
Query-Sets ++ - a scalable approach for modeling web sites
Poblete, Barbara; Spiliopoulou, Myra; Mendoza, Marcelo
In: String processing and information retrieval. - Heidelberg [u.a.] : Springer, S. 129-134, 2011 - (Lecture notes in computer science; 7024)Kongress: SPIRE; 18 (Pisa) : 2011.10.17-21
Summarization meets visualization on online social networks
Gabriel, Hans-Henning; Spiliopoulou, Myra; Stachtiari, Emmanouela; Vakali, Athina
In: IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT), 2011. - Piscataway, NJ : IEEE, S. 475-478Kongress: WI-IAT 2011; (Lyon, France) : 2011.08.22-27
2010
Wissensmanagement kleiner und mittelständischer Unternehmen in Zeiten demographischen Wandels
Peters, Sibylle; Spengler, Thomas; Spiliopoulou, Myra
In: Wertschöpfungsmanagement im Mittelstand. - Wiesbaden : Gabler, S. 43-69, 2010
Eigenvector-based clustering using aggregated similarity matrices
Gabriel, Hans-Henning; Spiliopoulou, Myra; Nanopoulos, Alexandros
In: Applied computing 2010. - New York, NY : ACM, S. 1083-1087Kongress: ACM Symposium on Applied Computing; 25 (Sierre, Switzerland) : 2010.03.22-26
Ontology learning from semi-structured Web documents
Brunzel, Marko; Spiliopoulou, Myra
In: Magdeburg, Univ., Fak. für Informatik, Diss., 2010, XIII, 223 S., graph. Darst., 30 cm
Special issue: 13th International Conference on Natural Language and Information Systems (NLDB 2008) - five selected and extended papers
Kapetanios, Epaminondas; Sugumaran, V.; Spiliopoulou, Myra
In: St. Louis, Mo.: Elsevier, 2010; S. 249-316 - (Data & knowledge engineering; 69.2010,3)Kongress: International Conference on Natural Language and Information Systems ; 13 (London, UK) : 2008.06.24-27NLDB; 13 (London, UK) : 2008.06.24-27
Visually summarizing the evolution of documents under a social tag
Gohr, Andre; Spiliopoulou, Myra; Hinneburg, Alexander
In: Proceedings of the International Conference on Knowledge Discovery and Information Retrieval - [S.l.] : SciTePress . - 2010, S. 85-94
Services in electronic telecommunication markets: a framework for planning the virtualization of processes
Czarnecki, Christian; Winkelmann, Axel; Spiliopoulou, Myra
In: Electronic markets: the international journal on networked business - Heidelberg: Springer, 1991, Bd. 20.2010, 3/4, S. 197-207
Privacy-preserving query log mining for business confidentiality protection
Poblete, Barbara; Spiliopoulou, Myra; Baeza-Yates, Ricardo
In: ACM transactions on the web. - New York, NY : ACM, Bd. 4.2010, 3, insges. 20 S.
Novel data stream pattern mining report on the StreamKDD'10 workshop
Dunham, Margaret H.; Hahsler, Michael; Spiliopoulou, Myra
In: SIGKDD explorations. - New York, NY : ACM, Bd. 12.2010, 2, S. 54-55
Tree Induction over Perennial Objects
Siddiqui, Zaigham Faraz; Spiliopoulou, Myra
In: Scientific and Statistical Database Management, 22nd International Conference, SSDBM 2010, Heidelberg, Germany, June 30-July 2, Proceedings
Automated constraint selection for semi-supervised clustering algorithm
Ruiz, Carlos; Carlos, G. Vallejo; Spiliopoulou, Myra; Menasalvas, Ernestina
In: Current topics in artificial intelligence. - Berlin [u.a.] : Springer, S. 151-160, 2010 - (Lecture notes in computer science ; 5988)Kongress: CAEPIA; 13 (Seville) : 2009.11.09-13
Stream Clustering of Growing Objects
Siddiqui, Zaigham Faraz; Spiliopoulou, Myra
In: Discovery Science, 12th International Conference, DS 2009, Porto, Portugal, October 3-5, 2009, Proceedings
2009
How does the implementation of a next generation network influence a telecommunication company?
Czarnecki, Christian; Heuser, Marcus; Spiliopoulou, Myra
In: Online Proceedings of the European and Mediterranean Conference on Information Systems (EMCIS). - Brunel University, insges. 11 S., 2009[Track: Enterprise Systems, Artikel C34]
Knowledge discovery enhanced with semantic and social information
Berendt, Bettina; Mladenič, Dunja; Gemmis, Marco; Semeraro, Giovanni; Spiliopoulou, Myra; Stumme, Gerd; Svátek, Vojtěch; Železný, Filip
In: Heidelberg: Springer, 2009, X, 143 S. - (Studies in computational intelligence; Vol. 220), ISBN: 978-3-642-01890-9 Kongress: European Conference on Principles and Practice of Knowledge Discovery in Databases 11 Warsaw 2007.09.17-21[Literaturangaben]
Advances in web mining and web usage analysis - 9th International Workshop on Knowledge Discovery on the Web, WebKDD 2007 and 1st International Workshop on Social Networks Analysis, SNA-KDD 2007, San Jose, CA, USA, August 12-15, 2007 ; revised papers
Zhang, Haizheng; Spiliopoulou, Myra; Mobasher, Bamshad; Giles, C. Lee; McCallum, Andrew; Nasraoui, Olfa; Srivastava, Jaideep; Yen, John
In: Heidelberg [u.a.]: Springer, 2009, X, 153 S. - (Lecture notes in computer science; 5439; Lecture notes in artificial intelligence), ISBN: 978-3-642-00527-5 Kongress: International Workshop on Social Networks Analysis 1 San Jose, CA 2007.08.12-15[Literaturangaben]
Advances in Web Mining and Web Usage Analysis
Nasraoui, Olfa; Spiliopoulou, Myra; Srivastava, Jaideep; Mobasher, Bamshad; Masand, Brij
In: 8th Int.\ Workshop on Knowledge Discovery on the Web, WebKDD 2008, Revised Papers
Topic evolution in a stream of documents
Gohr, André; Hinneburg, Alexander; Schult, René; Spiliopoulou, Myra
In: Proceedings of the Ninth SIAM International Conference on Data Mining , 2009 , [Elektronische Ressource] - Philadelphia : SIAM, insges. 12 S.
Finding stops in error-prone tTrajectories of moving objects with time-based clustering
Zimmermann, Max; Spiliopoulou, Myra; Kirste, Thomas
In: IMC 2009. - [Marburg] : Blista, S. 275-286Kongress: IMC 2009; 13 (Marburg) : 2009.07.14-17
Website Privacy Preservation for Query Log Publishing
Poblete, Barbara; Spiliopoulou, Myra; Baeza-Yates, Ricardo
In: Privacy, Security, and Trust in KDD - First ACM SIGKDD International Workshop, PinKDD 2007, San Jose, CA, USA, August 12, 2007, Revised, Selected Papers
On Exploiting the Power of Time in Data Mining
Böttcher, Mirko; Höppner, Frank; Spiliopoulou, Myra
In: SIGKDD Explorations, 2008
Density-based semi-supervised clustering
Ruiz, Carlos; Spiliopoulou, Myra; Menasalvas, Ernestina
In: Data mining and knowledge discovery. - Dordrecht [u.a.] : Springer Science + Business Media B.V, 2009
Tracing cluster transitions for different cluster types
Ntoutsi, Irene; Spiliopoulou, Myra; Theodoridis, Yannis
In: Control and cybernetics. - Warszawa : SRI PAS, Bd. 38.2009, 1, S. 239-259
C-DenStream - using domain knowledge on a data stream
Ruiz, Carlos; Menasalvas, Ernestina; Spiliopoulou, Myra
In: Discovery science. - Berlin [u.a.] : Springer, S. 287-301, 2009 - (Lecture notes in computer science; 5808)Kongress: DS; 12 (Porto) : 2009.10.03-05
Spectral clustering in social-tagging systems
Nanopoulos, Alexandros; Gabriel, Hans-Henning; Spiliopoulou, Myra
In: Web information systems engineering - WISE 2009. - Berlin [u.a.] : Springer, S. 87-100 - (Lecture notes in computer science; 5802)Kongress: WISE; 10 (Poznan) : 2009.10.05-07
Combining Multiple Interrelated Streams for Incremental Clustering
Siddiqui, Zaigham Faraz; Spiliopoulou, Myra
In: Scientific and Statistical Database Management, 21st International Conference, SSDBM 2009, New Orleans, LA, USA, June 2-4, 2009, Proceedings
Imprecision, diversity and uncertainty - disentangling theads in uncertainty management
Spiliopoulou, Myra; Keulen, Maurice van; Lenz, Hans-Joachim; Wijsen, Jef; Renz, Matthias; Kruse, Rudolf; Stern, Mirco
In: Uncertainty mnagement in information systems. - [Wadern] : Leibnitz-Zentrum für Informatik, insges. 3 S., 2009 - (Dagstuhl seminar proceedings; 08421)Kongress: Dagstuhl Seminar; : (Wandern) ; 2008.10.12-17
Discovering groups of sibling terms from web documents with XTREEM-SG
Brunzel, Marko; Spiliopoulou, Myra
In: , S. 126-155, 2008 - (Lecture notes in computer science; 5383)Kongress: EKAW 2006; 15 (Podebrady, Czech Republic) : 2006.10.
Aus technischen Gründen können nur 200 Publikationen angezeigt werden.
Mehr im Forschungsportal ansehen.
- Sabancı University Istanbul
- Ludwig-Maximilians-Universität München
- Volkswagen
- Aristotle University of Thessaloniki
- Karl-Franzens-Universität Graz
- Prudsys AG
- Ernst-Moritz-Arndt-Universität Greifswald
- Center of Biomedical Technology, Madrid, Spain
- Polytecnical University of Madrid, Spain
- University of Porto, Portugal
- Universitätsklinikum Magdeburg
- Orange Labs (France Telecom R&D)
- LIN - Leibniz Institut für Neurobiologie Magdeburg
- Leibniz Universität Hannover
- Universitätsklinikum Regensburg
- Universität Bielefeld
- ifak system GmbH
- Brunel University London, London(United Kingdom), Dr. Allan Tucker
- Center of Research and Technology Hellas
- Charité Universitätsmedizin Berlin
- Charité-Universitätsmedizin Berlin
- Donau Universität Krems (Österreich)
- Donau-Universität, Österreich
- Ethniko kai Kapodistriako Panepistimio Athinon
- Fraunhofer - Institut Fabrikbetrieb und -automatisierung (IFF)
- Institute of Communication and Computer Systems
- Instituto di Ricerche Pharmacologiche Mario Negri
- Karolinska Institutet
- Katholieke Universiteit Leuven
- KLINIKUM DER UNIVERSITAET REGENSBURG (Koordinator)
- Klinikum der Universität Regensburg (Koordinator)
- National and Kapodistrian University of Athens
- Prof. Dr. habil. Monika Christine Brunner-Weinzierl, Otto-von-Guericke-Universität Magdeburg Medizinische Fakultät Universitätskinderklinik
- Sabanci University Istanbul, Turkey
- Servicio Andaluz de Salud
- Sphynx Technology Solutions AG
- Tinnituszentrum der Charité – Universitätsmedizin Berlin
- TU Chemnitz
- TU Ilmenau
- Universitätsklinikum Würzburg
- Universität Ulm
- Vilabs LTD
- Zeincro
- ZeinCRO Egeszsegugyi Szolgaltato Korlatolt Feleloddegu Tarsasag
Schwerpunkt der Arbeitsgruppe KMD ist die Analyse von dynamischen Daten. Wir entwickeln Methoden zur Adaption und Monitoring von Modellen auf dynamisch komplexen Daten. Unsere Anwendungsgebiete sind Kundenprofiling ( insb. für Empfehlungsmaschinen ) und Analyse von medizinischen Daten.
Beratung, Methoden und Lösungen für:
* explorative Analyse von klinischen und epidemiologischen Daten
* Analysen für mHealth / eHealth Anwendungen
* Opinion Mining
* Empfehlungsmaschinen
09/82 - 06/86 | Studium der Mathematik an der Universität Athen |
09/86 - 01/89 | Datenbank-Programmierung in Unternehmen |
01/89 - 11/94 | Wissenschaftliche Mitarbeiterin an der Informatik der Universität Athen |
1992: | Promotion in der Informatik an der Universität Athen zum Thema der parallelen Anfrageoptimierung |
12/94 - 08/2000 | Wissenschaftliche Mitarbeiterin (C1) am Institut für Wirtschaftsinformatik, Humboldt-Universität zu Berlin |
06/2000: | Habilitation in der Wirtschaftsinformatik |
09/2000 - 03/2001 | Gastprofessorin der Wirtschaftsinformatik an der ITI/FIN, Otto-von-Guericke-Universität Magdeburg |
04/2001 - 01/2003 | Professorin der "Wirtschaftsinformatik des E-Business" an der Handelshochschule Leipzig (HHL) |
seit 02/2003 | Professorin der Wirtschaftsinformatik an der ITI/FIN, Otto-von-Guericke-Universität Magdeburg |
Schwerpunkt der Arbeitsgruppe KMD ist die Analyse von dynamischen Daten. Wir entwickeln Methoden zur Adaption und Monitoring von Modellen auf dynamisch komplexen Daten. Unsere Anwendungsgebiete sind Kundenprofiling ( insb. für Empfehlungsmaschinen ) und Analyse von medizinischen Daten.