Mining Ubiquitous and Social Environments (MUSE)

-

The  emergence  of  ubiquitous  computing  has  started  to  create  new  environments  consisting  of  small,  heterogeneous,  and  distributed  devices  that  foster  the  social  interaction  of  users  in  several  dimensions.  Similarly,  the  upcoming  social  web  also  integrates the user  interactions  in  social  networking  environments. 

In  typical  ubiquitous  settings,  the  mining  system can be implemented inside  the  small  devices  and sometimes  on  central  servers,  for  real­time  applications,  similar to common mining approaches. However, the characteristics of ubiquitous  and social mining in general are quite different from the current mainstream data  mining and machine  learning.  Unlike  in  traditional data  mining  scenarios, data  does  not  emerge  from  a  small  number  of  (heterogeneous)  data  sources,  but  potentially  from  hundreds  to  millions  of  different  sources. Often  there  is  only  minimal  coordination  and  thus  these  sources  can  overlap  or  diverge  in  many  possible  ways.  Steps into this new and exciting application area are the analysis  of this new data, the adaptation of well known data mining and machine learning  algorithms and finally the development of new algorithms. 

Mining big data in ubiquitous and social environments is an emerging area of  research  focusing  on  advanced  systems for data  mining in  such distributed and  network­organized  systems.  Therefore,  for  this  workshop,  we  aim  to  attract  researchers  from  all  over  the  world  working  in  the  field  of  data  mining  and  machine  learning with a  special  focus on  analyzing  big  data  in  ubiquitous and  social environments. 

The  goal  of  this  workshop  is  to  promote  an  interdisciplinary  forum  for  researchers working in the fields of ubiquitous computing, mobile sensing, social  web,  Web 2.0, and social networks which are interested in utilizing data mining  in  a  ubiquitous  setting.  The  workshop  seeks  for  contributions  adopting  state­of­the­art  mining  algorithms  on  ubiquitous  social  data.  Papers  combining  aspects of the two fields are especially welcome. In short, we want to accelerate  the  process  of  identifying  the power of advanced data mining operating on data  collected  in  ubiquitous  and  social  environments,  as  well  as  the  process  of  advancing data mining through lessons learned in analyzing these new data. 

This  proceedings  volume  comprises  the  contributions  to  the  MUSE  2015  workshop. In total, we accepted four submissions, three full papers and one short  paper,  based  on  the  peer­reviews  of  our  program  committee.  In  addition,  the  scientific  program  also  featured  three  invited  talks: Michele Berlingerio  (IBM  Research  and  Development,  Dublin,  Ireland)  provided  an  overview  on  Multidimensional  Network  Analysis  including  their  history,  modeling  and  analysis  aspects and current  applications  in the context of ubiquitous and social  environments.  Markus  Schedl  (University  of  Linz,  Austria)  presented  recent  research  result  about  Listener­aware  Music  Search  and  Recommendation, also  giving insights in recent prototype applications. Finally, Albert Bifet (Université  Paris­Saclay)  showcased  recent  developments  in  Data  Stream  Mining  with  a  special focus on the Apache SAMOA platform.      Submissions and Keynotes 

We  would  like  to  thank  the  invited speaker,  all the authors who  submitted  papers and all the workshop participants. We are also grateful to the members of  the  program  committee  for  their  thorough  and  timely  work  in  reviewing  submitted  contributions  with  expertise  and  patience. Finally,  a  special  thank is  due to both the ECML PKDD Workshop Chairs and the members of the  ECML  PKDD Organizing Committee who made this event possible. 

  Porto, September 2015  Martin Atzmueller  Florian Lemmerich 

References