Nalaganje ...
Projekti / Programi vir: ARIS

Model za domensko specifično napovedovanje trendov na osnovi semantične bogatitve nestrukturiranih vzorcev

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
5.13.00  Družboslovje  Informacijska znanost in bibliotekarstvo   

Koda Veda Področje
P175  Naravoslovno-matematične vede  Informatika, teorija sistemov 

Koda Veda Področje
5.08  Družbene vede  Mediji in komunikacije 
Ključne besede
napovedovanje trendov, vzorci, semantična obogatitev, integracija
Vrednotenje (pravilnik)
vir: COBISS
Raziskovalci (13)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  16154  dr. Marko Bajec  Računalništvo in informatika  Raziskovalec  2013 - 2016  492 
2.  34116  dr. Robert Dukarić  Računalništvo in informatika  Raziskovalec  2014 - 2015  19 
3.  30128  dr. Aleš Frece  Računalništvo in informatika  Raziskovalec  2013 - 2016  29 
4.  18337  dr. Branko Matjaž Jurič  Računalništvo in informatika  Vodja  2013 - 2016  709 
5.  35581  dr. Andrej Kocbek  Računalništvo in informatika  Raziskovalec  2014 - 2015 
6.  30942  dr. Marcel Križevnik  Računalništvo in informatika  Mladi raziskovalec  2013  30 
7.  12570  dr. Dunja Mladenić  Računalništvo in informatika  Raziskovalec  2013 - 2016  667 
8.  15087  dr. Mihael Mohorčič  Telekomunikacije  Raziskovalec  2013 - 2016  480 
9.  29002  Blaž Novak  Računalništvo in informatika  Raziskovalec  2013 - 2016  17 
10.  32697  Martin Potočnik  Računalništvo in informatika  Mladi raziskovalec  2013 - 2015  12 
11.  32441  dr. Aleksandra Rashkovska Koceva  Računalništvo in informatika  Raziskovalec  2013 - 2016  82 
12.  30949  dr. Sebastijan Šprager  Računalništvo in informatika  Raziskovalec  2014 - 2016  69 
13.  06875  dr. Roman Trobec  Računalništvo in informatika  Raziskovalec  2013 - 2016  469 
Organizacije (2)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacijŠtev. publikacij
1.  0106  Institut "Jožef Stefan"  Ljubljana  5051606000  91.921 
2.  1539  Univerza v Ljubljani, Fakulteta za računalništvo in informatiko  Ljubljana  1627023  16.690 
Povzetek
Nedavni tehnološki razvoj vedno bolj uresničuje možnost napovedovanja trendov na osnovi semantične bogatitve nestrukturiranih vzorcev. Z razmahom svetovnega spleta nenehno nastajajo obsežne zbirke pretežno nestrukturiranih podatkov. Področje metodološke analize teh podatkov s ciljem zaznavanja in napovedovanja trendov pa je še slabo razvito. Da je potencial ogromen, dokazujejo presenetljivi rezultati napovedovanja trendov iz enostavnih iskanj v spletnih iskalnikih. S pomočjo Googlovih napovedi trendov so raziskovalci pokazali korelacijo med iskanji po imenih podjetij ter količino prometa na borzi ter med vsebino iskanj državljanov in gibanjem BDPja držav. Uspešno so tudi razvili pristope za določanje pričakovane stopnje inflacije in brezposelnosti ter za ocenjevanje trenutnega obsega prodaje na nivoju države ipd. Na drugi strani je napredek pri analizi večjih količin nestrukturiranih podatkov, kar vsebina zadetkov iskanj gotovo je, pripomogel k uspešnemu pridobivanju formalnega znanja iz njih. Zaradi izobilja tovrstnih podatkov in odsotnosti ustrezne metodološke podpore pa je kljub zrelosti tehnologije zaznavanje vzorcev in napovedovanje trendov prezahtevno tako iz časovnega kot tudi finančnega vidika. Istočasno napredek na področju računalništva v oblaku, obdelave velikih količin podatkov (Big Data) in velikega števila transakcij (XTP - Extreme Transaction Processing) omogoča razvoj tovrstnih rešitev brez potrebe po gradnji dragih podatkovnih centrov. Menimo, da je mogoče izdelati avtomatiziran model, ki bo ne samo zaznaval vzorce, pač pa bo na njihovi osnovi zmogel napovedovati trende znotraj posameznih domen. Pri tem bo uporabljal metode zbiranja, analize in vzorčenja podatkov iz raznolikih virov. Vključeval bo iskanja in obiskane strani znotraj portalov, elektronska sporočila in zapise na socialnih omrežjih. Na inovativen način bo uporabljal metode statistične analize in poslovne inteligence, predvsem OLAP (OnLine Analytical Processing) in podatkovno rudarjenje (Data Mining), oba podprta s pristopi računalništva v oblaku, Big Data ter XTP. Naš pristop se naslanja na obstoječe modele pridobivanja formalnega znanja, vpeljuje pa inovativen, na konsenzu temelječ odločitveni model za zaznavanje vzorcev s pomočjo metod umetne inteligence ter izvirni matematični model napovedovanja trendov. Predlagano splošno rešitev bo mogoče prilagoditi na specifične domene, s čimer je mogoče zagotoviti večjo relevantnost in natančnost napovedi v krajšem času in z manj viri, saj predlagan pristop uporablja problemsko izbrane vhodne podatke. Pričakovani izdelki in glavni cilji projekta, ki služijo tudi preverjanju uspešnosti projekta, so trije, in sicer (1) definirati splošni kontekstni model za zaznavanje vzorcev, (2) definirati splošni kontekstni model za napovedovanje trendov, (3) razviti prototip sistema, kot dokaz izvedljivosti predlaganega pristopa, v domenah konkretnih okolij: obrambne aktivnosti države (Ministrstvo za obrambo Republike Slovenije - MORS), uporabe telekomunikacijskih storitev (Telekom Slovenije d.d.) in v primeru razširjenega projekta še porabe električne energije (Informatika d.d). Predlagan projekt naslavlja temeljne izzive poslovne inteligence nad podatki, ki nastajajo tako znotraj organizacij kot širše v družbi. Analiza obstoječega dela je pokazala, da predlagan projekt predstavlja unikaten in inovativen pristop v svetovnem merilu ter nadgrajuje spoznanja EU/FP7 projektov, v katerih sta do sedaj sodelovala prijavitelja in sodelujoči raziskovalni skupini iz EU. Za potrebe razvoja, verifikacije in validacije predlaganega modela bomo uporabili računalniški oblak Centra za računalništvo v oblaku na UL FRI in kompetenčnega centra CLASS. Projekt vsebinsko predstavlja nadaljevanje projekta L5-2245 in številnih EU/FP7 projektov, v katerih sta sodelovala prijavitelja ter bo vodil v prijavo novih EU raziskovalnih projektov. Projekt prijavljamo v okviru kompetenčnega centra CLASS.
Pomen za razvoj znanosti
V okviru projekta smo razvili modularen, večfazni, na konsenzu temelječ odločitveni model za zaznavanje vzorcev in napovedovanje trendov iz (ne)strukturiranih podatkov, ki predstavlja inovativen doprinos na številnih raziskovalnih področjih. Te na eni strani vključujejo aktivnosti na področju zajemanja in interpretiranja nestrukturiranih podatkov, podatkovnega in tekstovnega rudarjenja, bogatenje podatkov in pridobivanje formalnega znanja na drugi strani pa aktivnosti na področju razpoznavanja vzorcev, umetne inteligence, procesiranja časovnih vrst in strojnega učenja. S pomočjo predlaganega modela in njegovih pripadajočih komponent bodo lahko raziskovalci s teh področij preučili možnosti za izboljševanje svojih rezultatov glede na posamezne module po pripadajočih raziskovalnih aktivnostih, rezultati projekta pa prav tako odpira veliko možnosti nadaljnjih raziskav na omenjenih področjih. Raziskovalni rezultati so prav tako izkazali velik pomen pri pokrivanju hitro razvijajočega področja poslovne inteligence na osnovi (ne)strukturiranih podatkov. S podporo »kaj-če« scenarijev je mogoče napovedovanje trendov vključiti direktno v proces odločanja in operacije prediktivne analitike. Pričakujemo, da bo naš model dodatno utrdil zaznavanje vzorcev in napovedovanje trendov kot perspektivno raziskovalno področje ter pospešil njegovo rast. S preverbami modela v konkretnih domenah (elektrodistribucija) je pričakovana pospešitev pretoka znanja s tega raziskovalnega področja v gospodarstvo. Na ta način utegne to pospešiti dodatna vlaganja zasebnih sredstev v raziskave na tem področju. Pričakujemo namreč, da bodo predlagani pristopi kot eden izmed dejavnikov igrali pomembno vlogo pri procesu digitalne transformacije, ki trenutno predstavlja najpomembnejšo paradigmo v smislu povezovanja ICT, poslovnega sveta in družbe. Predlagan modularen večfazni model prav tako preko storitvenih vmesnikov omogoča integracijo v obstoječe informacijske sisteme, pri čemer omogoča zbiranje in obravnavo nestrukturiranih podatkov iz naprav IoT, integracijski pristop pa se prav tako poslužuje inovativnih metod za analiziranje nestrukturiranih besedilnih vzorcev. Inovativnost predlaganega pristopa ob novih integracijskih pristopih predstavljajo tudi specifične domenske ontologije in inovativna uporaba metod umetne inteligence, strojnega učenja in procesiranja časovnih vrst za iterativno izboljševanje le-teh skozi njihovo transformacijo za izboljševanje kakovosti pridobljenega znanja. Rezultati projekta prav tako predstavljajo nadgradnjo rezultatov EU/FP7 projektov RENDER, X-Like in MetaNet, vsebinsko pa predstavlja nadaljevanje projekta L5-2245 in kompetenčnega centra CLASS. Projekt je prav tako obravnaval in nadgradil nekatere vidike iniciative NESSI (Networked European Software and Services Initiative): inženiring storitev in sistema, prilagodljive interakcije, odprtost, povezovanje družbe s tehnologijo in neposredno – zaupanje, varnost in odvisnost. Sam koncept projekta in njegovi rezultati ustrezajo ciljem in usmeritvam ICT v okviru H2020, kar omogoča nadaljevanje raziskovalnih aktivnosti in prijave na nove evropske projekte.
Pomen za razvoj Slovenije
Rezultati in rešitve, ki so posledice tega projekta, bodo igrale pomembno vlogo na področju digitalne transformacije, ki trenutno predstavlja najpomembnejšo paradigmo v smislu celovitega povezovanja družbe in gospodarstva z ICT. Njena realizacija predstavlja velik izziv, pri čemer želimo nasloviti učinkovito konvergenco tako procesnega, poslovnega, kakor tudi tehnološkega vidika. Projekt bo v kontekstu digitalne transformacije imel poseben in trajen pomen predvsem za domača majhna in srednja podjetja (SME), saj jim bo omogočal analize podatkov in napovedi trendov, ki si jih do sedaj zaradi stroškov, povezanih s takimi analizami, niso mogli privoščiti. V tem smislu bodo podjetjem omogočeno oblikovanje novih tržnih niš ali pomembno izboljšanje konkurenčnega položaja znotraj panoge, s čimer bi glede na trenutno gospodarsko rast lahko dobili pomemben pospešek pri njihovem razvoju. Projekt bo imel poseben in trajen pomen tudi za organizacije, ki bodo rezultate projekta lahko uporabile za boljše komuniciranje z javnostjo. Projektna skupina bo konkretne rešitve in rezultate, pridobljene tekom tega projekta, tako uporabila pri procesu realizacije digitalne transformacije v Sloveniji, med drugim v projektu DIGITRANS, katerega cilj je transregionalno pospeševanje procesa digitalne transformacije SME v sklopu podonavske regije in za katerega menimo, da bo pomembno prispeval k kreiranju novih in razvoju obstoječih SME v Sloveniji, prav tako pa bo omogočal njihovo učinkovito integracijo v regionalnem smislu in globalni doseg. Predlagane rešitve bodo tako za organizacije predstavljale ključno taktično in strateško orodje, ki bo služilo napovedovanju zadovoljstva uporabnikov z njihovimi aktivnostmi, izdelki oz. storitvami ter hkrati omogočalo usmerjanje nadaljnjih aktivnosti organizacij. V tem smislu lahko na rezultate projekta pogledamo kot na ključno orodje za izboljšanje konkurenčne prednosti podjetij in s tem na pomembno orodje za izboljšanje tržnega položaja, kar se neposredno odraža v finančnih učinkih ter posebej v času gospodarskega okrevanja predstavlja pomembno orodje za povečanje uspešnosti poslovanja. Po drugi strani bodo rezultati projekta uporabni tudi za uspešnejše komuniciranje organizacij z javnostjo, da bi lažje dosegle širšo javno podporo njihovim aktivnostim. To bodo dosegli tako v smislu kazalnikov in metrik učinkovitosti in zagotavljanja kvalitete, prav tako pa v smislu učinkovite predikcije trendov in ocenjevanja tveganja. Realizirane rešitve bodo imele velik pomen tudi na področju API ekosistemov, ki predstavljajo pomembno novost na področju enterprise sistemov in igrajo eno izmed ključnih vlog pri digitalni transformaciji. Ti s pomočjo naprednih analiznih tehnik in vizualizacije omogočajo učinkovit vpogled in razumevanje razvoja enterprise strategij in dinamike ekosistema. Rešitve in znanje pridobljene pri tem projektu bodo tako igrali pomembno vlogo pri upravljanju z API-ji, natančneje pri nadzorovanju in monitoriranju API-jev. Z rezultati v konkretnih domenah realiziran projekt prav tako naslavlja cilj »Povečevanje blaginje ljudi z višjo zaposlenostjo, višjo dodano vrednostjo, višjo produktivnostjo, višjim indeksom zadovoljstva/sreče« nastajajoče »Strategije razvoja Slovenije za obdobje 2013-2020«. Npr. rezultati v domeni porabe električne energije naslavljajo cilj »Zagotoviti zmanjšanje emisij in več energije iz obnovljivih virov« iste strategije. Realiziran projekt je prav tako naslovil prednostno področje »Trajnostna rast – spodbujanje bolj konkurenčnega in zelenega gospodarstva, ki gospodarneje izkorišča vire« strategije »H2020 - Strategija za pametno, trajnostno in vključujočo rast«. Konkretno rezultati projekta, predvsem iz domene porabe električne energije, ki smo jo tekom izvajanja uporabili kot pilotno domeno, naslavljajo cilj »Za 20% povečati učinkovitost porabe energije«.
Najpomembnejši znanstveni rezultati Letno poročilo 2013, 2014, 2015, zaključno poročilo
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati Letno poročilo 2013, 2014, 2015, zaključno poročilo
Zgodovina ogledov
Priljubljeno