Login |
 
 

Bisociation Networks for Creative Information Discovery

Michael Berthold


 

Das BISON Projekt hat sich zum Ziel gesetzt ein auf Bisoziationen basierendes ICT Paradigma zu entwickeln. Eine Bisoziation ist die Verknüpfung und gemeinsame Verarbeitung von Konzepten aus unterschiedlichen Bereichen, welche normalerweise getrennt betrachtet und verarbeitet werden. Dieser Mechanismus führte in der Vergangenheit und auch heute noch, in Forschung, Entwicklung, Kunst und anderen Bereichen zu bahnbrechenden Entdeckungen und Entwicklungen. Bisher wird diese Erkenntnis noch von keinem ICT Verfahren verwendet. Daher ist die Vision des BISON Projektes ein open-source Framework zu entwickeln, welches die interaktive Verarbeitung riesiger und verteilter heterogener Wissensbestände ermöglicht. Dazu werden neue Formalismen zur Wissensrepresentation (bisoziative Netzwerke) und bisoziativen Schlussfolgerung entwickelt. An Hand dieser Formalismen und neuer Verfahren zur Graphanalyse und Visualisierung ist es möglich in bisozitativen Netzwerken, bestehend aus stark vernetzen Informationseinheiten, neue Informationen zu entdecken. Insgesamt sind 8 europäische Universitäten am BISON Projekt beteiligt. An der Universität Konstanz liegt das Hauptaugenmerk dabei auf Graphanalyse, - clustering und -visualisierung.

Informationen unterschiedlicher Wissensbestände werden in Form von Netzwerken repräsentiert, in dem Informationseinheiten als Knoten und Relationen zwischen diesen als Kanten dargestellt sind. Es gilt nun diese Informationen abzufragen, zusammenzufassen, zu vergleichen und darzustellen. Sehr große Graphen können mittels Gruppierung zusammengefasst werden, um sie visualisieren zu können. Gruppen sind Knoten welche eine bestimmteEigenschaft wie gemeinsame Nachbarschaft teilen. Unser Interesse ist es effiziente Algorithmen zu entwickeln welche in Graphen nicht nurpartitionierende, sondern auch überlappende Gruppen entdecken. Ein Bereich der Graphanalyse und -exploration beschäftigt sich mit der Extraktion von bezüglich einer bestimmten Anfrage relevanten Teilgraphen mit Hilfe von Spreading Activation Techniken. Dabei werden die Knoten, die Informationseinheiten einer Anfrage repräsentieren initial aktiviert, wobei sich die Aktivierung iterativ zu adjazenten Knoten ausbreitet. Schließlich werden alle aktivierten Knoten und Kanten als Teilgraph extrahiert. Ein weiterer Aspekt bei der Analyse großer Netzwerke ist dabei der strukturelle Vergleich von Teilgraphen. Da dieses Problem bisher keinen direkten Zugang bietet sollen Abstands- bzw. Ähnlichkeitsmaße auf Graphen benutzt werden. Dabei handelt es sich im Wesentlichen um eine (implizite) Transformation der Graphen in einen Vektorraum, auf dem dann bekannte Methoden des Maschine Learnings eingesetzt werden können. Da BISON Netze in der Regel sehr große (Hyper-)Graphen sind, ist es in Bezug auf Skalierbarkeit notwendig neue Visualisierungstechniken zu entwickeln. Eine Möglichkeit ist hier, den Graphen ähnlich einer Animation zu explorieren, wobei sinnvoll von einem interessanten Ausschnitt zu anderen Ausschnitten übergeleitet werden kann. Auch hierarchische Visualisierungstechniken für Graphen sind anzudenken.

Bison Website