Lars Schmidt-Thieme

Social Tagging Systems are web applications in which users upload resources (e.g., bookmarks, videos, photos, etc.) and annotate it with a list of freely chosen keywords called tags. This is a grassroots approach to organize a site and help users to find the resources they are interested in. Social tagging systems are open and inherently social; features that have been proven to encourage participation. However, with the large popularity of these systems and the increasing amount of user-contributed content, information overload rapidly becomes an issue. Recommender Systems are well known applications for increasing the level of relevant content over the “noise” that continuously grows as more and more content becomes available online. In social tagging systems, however, we face new challenges. While in classic recommender systems the mode of recommendation is basically the resource, in social tagging systems there are three possible modes of recommendation: users, resources, or tags. Therefore suitable methods that properly exploit the different dimensions of social tagging systems data are needed. In this book, we survey the most recent and state-of-the-art work about a whole new generation of recommender systems built to serve social tagging systems. The book is divided into self-contained chapters covering the background material on social tagging systems and recommender systems to the more advanced techniques like the ones based on tensor factorization and graph-based models.

Diese Arbeit beschaftigt sich mit Assoziationsregeln und dem Auffinden haufiger Muster und Strukturen in komplexen Daten, z. B. in folgenwertigen Daten oder Daten, die als Folgen von Mengen beschrieben werden koennen. Solche Daten fallen in einer Vielzahl von Anwendungskontexten an, unter anderem als Protokolldaten in elektronischen Transaktionssystemen, z. B. in Form von Warenkoerben wiederkehrender Besucher eines Online-Shops. Als Hauptbeitrag wird ein abstraktes Verfahren fur das Mining haufiger Muster in allgemeinen Musterraumen entwickelt. Klassische Verfahren wie der Apriori-Algorithmus sowie seine zahllosen Varianten koennen als Spezialisierungen dieses abstrakten Verfahrens aufgefasst werden. Eine spezielle Datenstruktur, der geschachtelte Prefixbaum, ermoeglicht die effiziente Implementation dieses Verfahrens. Mit Hilfe von Schachtelungsoperatoren wird schliesslich ein Baukasten fur Apriori-artige Mining-Algorithmen zur Verfugung gestellt.

Das Buch ist eine Einführung in die Programmiersprache Java. In den ersten Kapiteln werden die Grundlagen behandelt: Klassen, Objekte, Interfaces und Pakete. Weitere Kapitel befassen sich mit Benutzeroberflächen, der Ausnahmebehandlung, der Threadprogrammierung, mit Client/Server-Implementierung, Javas Sicherheitsmechanismen und dem Aufruf entfernter Methoden. Alle Sprachkonstrukte und die verwendeten Klassen der Java-Standardbibliothek werden an Beispielen verdeutlicht. An die einzelnen Kapitel schließt sich eine Reihe von Übungsaufgaben an. Die kompletten Beispielprogramme und Lösungen zu den Übungen befinden sich auf der beiliegenden CD-ROM. In der 4. Auflage wurde die Behandlung des IO-Frameworks um das New IO API (NIO), das seit JDK 1.4 neben das streambasierte API tritt, erweitert. Einige Client/Server-Beispiele wurden auf NIO umgestellt. Bei der Ausnahmebehandlung wurde das neue Java-Sprachkonstrukt der Zusicherungen (assertions) ergänzt.