Für ihr Papier “Label ranking by learning pairwise preferences” (Artificial Intelligence, 172: 1897—1917, 2008) erhielten Professor Dr. Eyke Hüllermeier, Professor Dr. Johannes Fürnkranz, Dr. Weiwei Cheng und Professor Dr. Klaus Brinker den renommierten „Prominent Paper Award“ des Artificial Intelligence Journal. Der Preis wurde im Rahmen der Eröffnungsfeier der 24. International Joint Conference on Artificial Intelligence am 25. Juli 2015 in Buenos Aires übergeben.
Der Artikel „Label ranking by learning pairwise preferences“ befasst sich thematisch mit dem sogenannten Präferenzlernen, einer Forschungsrichtung, die sich in den letzten Jahren als Teilgebiet des maschinellen Lernens etabliert hat. Grob gesagt geht es im Präferenzlernen um die automatisierte Konstruktion von Präferenzmodellen auf der Basis beobachteter Daten über die Präferenzen oder das Entscheidungsverhaltens von Individuen. Ein Beispiel für die Anwendung des Präferenzlernens ist die personalisierte Werbung auf Internetseiten, die anhand des Surfverhaltens des Nutzers generiert wird. Eyke Hüllermeier und seine Co-Autoren entwickeln und analysieren in ihrem Papier eine Methode für ein spezielles Problem des Präferenzlernens, das in der Literatur als „label ranking“ bekannt ist.
Das Artificial Intelligence Journal (AIJ) ist die führende Fachzeitschrift auf dem Gebiet der Künstlichen Intelligenz. Der Prominent Paper Award wird rückwirkend an herausragende Beiträge vergeben, die sich im Laufe der Zeit als besonders einflussreich erwiesen haben. Die Laudatio für das Papier von Eyke Hüllermeier, Johannes Fürnkranz, Weiwei Cheng und Klaus Brinker liest sich wie folgt:
„This paper is a key paper in the area of preference learning. It studies the problem of label ranking, which is concerned with learning a mapping from instances to rankings over a finite number of labels. The authors introduce the Ranking by Pairwise Comparison algorithm (RPC), which first induces a binary preference relation and then uses this relation to derive a ranking. The paper contains appealing theoretical results (that RPC can minimize different loss functions) as well as empirical results (that RPC is competitive in terms of accuracy and superior in terms of efficiency).
The paper shows the elegance and power of a natural and intuitively appealing approach.
It has been influential in the field of preferences and preference learning.”(<link http: www.aij.ijcai.org>www.aij.ijcai.org)
Der Preis wurde von Weiwei Cheng in Buenos Aires entgegengenommen. Er war Doktorand von Eyke Hüllermeier an der Universität Marburg und ist mittlerweile Mitarbeiter im Machine Learning Forschungscenter von Amazon in Berlin.
Herr Hüllermeier ist seit 2014 Professor für Intelligente Systeme am Institut für Informatik an der Universität Paderborn, wo er 1997 selbst in Informatik promovierte. Vor seiner Habilitation 2002 war er Marie Curie Stipendiat am Institut de Recherche en Informatique de Toulouse (IRIT) in Frankreich (1998-2000). Danach hatte er Professuren an den Universitäten in Dortmund (2004), Magdeburg (2005-06) und Marburg (2002-04 und 2007-14) inne. Sein Forschungsinteresse gilt theoretischen Grundlagen und Methoden intelligenter Systeme, insbesondere dem maschinellen Lernen und der Verarbeitung unsicheren Wissens.
Klaus Brinker ist Professor für Angewandte Informatik und Mathematik an der Hochschule Hamm-Lippstadt. Zu seinen Forschungsschwerpunkten gehören neben dem maschinellen Lernen auch Anwendungen in der Bildverarbeitung. Seine Promotion schloss er 2004 ebenfalls an der Universität Paderborn unter der Betreuung von Professor Dr. Hans Kleine Büning ab.
Dr. Johannes Fürnkranz ist Professor für Knowledge Engineering am Institut für Informatik an der Technischen Universität in Darmstadt. Auch seine Forschung liegt schwerpunktmäßig auf dem Gebiet des maschinellen Lernens.
