Projekti / Programi
Model za domensko specifično napovedovanje trendov na osnovi semantične bogatitve nestrukturiranih vzorcev
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 |
napovedovanje trendov, vzorci, semantična obogatitev, integracija
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 |
490 |
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 |
7 |
6. |
30942 |
dr. Marcel Križevnik |
Računalništvo in informatika |
Mladi raziskovalec |
2013 |
30 |
7. |
12570 |
dr. Dunja Mladenić |
Računalništvo in informatika |
Raziskovalec |
2013 - 2016 |
662 |
8. |
15087 |
dr. Mihael Mohorčič |
Telekomunikacije |
Raziskovalec |
2013 - 2016 |
476 |
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)
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