Verwendung von Hidden Markov Modellen zur Beschreibung des Suchverhaltens

Status

Finished master thesis

Supervisor(s)

Student

  • Philipp Gerling

Finished

2016 - 9

Formalia

Targeted audience
  • AI Master
Preconditions
  • Fortgeschrittene Programmierkenntnisse
  • Vorlesung IR und/oder ISM und/oder IE (hilfreich)
  • Erfahrung mit maschinellen Lernverfahren (hilfreich)
  • Fähigkeit im Lesen und Verstehen englischer wissenschaftlicher Publikationen (notwendig)

Task description

Die Modellierung von Benutzerverhalten ist ein wesentlicher Bestandteil in der Forschung zum Information Retrieval. Quantitative Methoden versuchen aus empirischen Daten allgemeingültige Aussage abzuleiten, welche sich z.B. beim Design oder der Evaluation von Systemen verwenden lassen.

Aktuell werden insbesondere Hidden Markov Models oder Partially Observable Markov Decision Processes eingesetzt. Die wesentlichen Besonderheit dieser Verfahren ist ihre Fähigkeit, auch die nicht sicherbaren kognitiven Prozesse des Benutzers abzubilden.

Im Rahmen dieser Arbeit sollen HMMs insbesondere auf einem vorhandenen Datensatz eingesetzt werden, um die generelle Anwendbarkeit des Verfahrens zu demonstrieren. Dazu kann auf Vorarbeiten des Lernstuhls zurückgegriffen werden.

In zweiten Schritt ist das Gelernte auf einen Entscheidungsfindungsprozess zu übertragen. Die zu untersuchende Forschungsfrage lautet, ob sich das Verhalten des Benutzers beim Umgang mit widersprüchlichen Informationen ebenfalls durch HMM abbilden lässt.

Im einzelnen umfasst die Masterarbeit folgende Aspekte:

  • Einarbeitung in den Datenbestand
  • Implementierung der Modellerzeugungsverfahren
  • Durchführung einer Benutzerstudie zur Entscheidungsfindung
  • Evaluation

Literature