Fakultät für Mathematik, Informatik und Statistik - Digitale Hochschulschriften der LMU - Teil 01/02

In hoch entwickelten Wirtschaftssystemen unterliegen Banken einer besonderen Beaufsichtigung, da ein gut funktionierendes Finanzsystem die Grundlage einer soliden Wirtschaft darstellt. Insbesondere sind Banken verpflichtet, eine gesetzlich vorgegebene Eigenkapitaluntergrenze einzuhalten. Diese Grenze wurde in der Vergangenheit im Wesentlichen durch die Höhe der Bilanzaktiva bestimmt. Banken mussten für die aus diesen Positionen resultierenden Kredit- und Marktrisiken Eigenkapital vorhalten. Übrige Risiken wurden nur implizit abgedeckt. Durch die neue Baseler Eigenkapitalvereinbarung, die eine Empfehlung eines Ausschusses von Vertreten der Zentralbanken der großen Industrienationen darstellt und zurzeit in die jeweiligen nationalen Rechte umgesetzt wird, sollen nun unter anderem zusätzlich operationelle Risiken explizit mit Eigenkapital hinterlegt werden müssen.

Zur Berechnung des notwendigen Eigenkapitals werden in der Vereinbarung drei verschiedene Ansätze aufgeführt, von denen zwei lediglich einfache und vermutlich risikounabhängige Berechnungsvorschriften darstellen; der dritte Ansatz jedoch - der Advanced Measurement Approach - kann bei entsprechender Ausgestaltung risikosensitiv sein, da er die Entwicklung und Verwendung selbst entwickelter Verfahren zur Bestimmung des Kapitals gestattet.

Typischerweise werden bei solchen Verfahren Methoden aus der Versicherungswirtschaft verwendet, die Fragen zu Risiken von Prozessen, Personen, Technologie und externen Ereignissen bereits seit längerer Zeit zu beantworten versucht. Dazu werden die Ursachen der in der Vergangenheit aufgetretenen Verluste analysiert, um die aktuelle Gefahr zukünftiger Verluste zu ermitteln.

Bei der Quantifizierung von Risiken in Banken müssen sehr hohe Quantile bestimmt werden, damit sichergestellt ist, dass das Unternehmen mit großer Wahrscheinlichkeit nicht zahlungsunfähig wird. Dies ist auch bei operationellen Risiken der Fall. Im Gegensatz zu Markt- oder

Kreditrisiken stehen jedoch bei diesen nur relativ wenige Daten zur Verfügung. Dennoch wird in vielen zur Zeit verwendeten Modellen die Sensitivität der Ergebnisse aufgrund dieser sehr geringen Datenbasis nicht oder nicht ausreichend berücksichtigt.

Die vorliegende Arbeit stellt ein Verfahren vor, um Konfidenzintervalle für geschätzte typische Risikogrößen wie z.B. einen Value-at-Risk oder den Expected Shortfall zu ermitteln. Die Anwendung wird dann anhand beispielhaft generierter Daten dargestellt, wobei die spezifischen Eigenheiten operationeller Risiken berücksichtigt werden. Dabei zeigt es sich, dass die bestimmten Konfidenzintervalle - abhängig von der für die Schätzungen verwendbaren Daten - mehrere Größenordnungen umfassen können. Bei der Interpretation der Daten und der daraus folgenden endgültigen Bestimmung von Mindestkapitalanforderungen für operationelle Risiken bei Banken müssen dann derartige Unschärfen berücksichtigt werden.

This thesis deals with data structures that are mostly useful in the area of string matching and string mining. Our main result is an O(n)-time preprocessing scheme for an array of n numbers such that subsequent queries asking for the position of a minimum element in a specified interval can be answered in constant time (so-called RMQs for Range Minimum Queries). The space for this data structure is 2n+o(n) bits, which is shown to be asymptotically optimal in a general setting. This improves all previous results on this problem. The main techniques for deriving this result rely on combinatorial properties of arrays and so-called Cartesian Trees. For compressible input arrays we show that further space can be saved, while not affecting the time bounds. For the two-dimensional variant of the RMQ-problem we give a preprocessing scheme with quasi-optimal time bounds, but with an asymptotic increase in space consumption of a factor of log(n).

It is well known that algorithms for answering RMQs in constant time are useful for many different algorithmic tasks (e.g., the computation of lowest common ancestors in trees); in the second part of this thesis we give several new applications of the RMQ-problem. We show that our preprocessing scheme for RMQ (and a variant thereof) leads to improvements in the space- and time-consumption of the Enhanced Suffix Array, a collection of arrays that can be used for many tasks in pattern matching. In particular, we will see that in conjunction with the suffix- and LCP-array 2n+o(n) bits of additional space (coming from our RMQ-scheme) are sufficient to find all occ occurrences of a (usually short) pattern of length m in a (usually long) text of length n in O(m*s+occ) time, where s denotes the size of the alphabet. This is certainly optimal if the size of the alphabet is constant; for non-constant alphabets we can improve this to O(m*log(s)+occ) locating time, replacing our original scheme with a data structure of size approximately 2.54n bits. Again by using RMQs, we then show how to solve frequency-related string mining tasks in optimal time. In a final chapter we propose a space- and time-optimal algorithm for computing suffix arrays on texts that are logically divided into words, if one is just interested in finding all word-aligned occurrences of a pattern.

Apart from the theoretical improvements made in this thesis, most of our algorithms are also of practical value; we underline this fact by empirical tests and comparisons on real-word problem instances. In most cases our algorithms outperform previous approaches by all means.

Microarrays can capture gene expression activity for thousands of genes simultaneously and thus make it possible to analyze cell physiology and disease processes on molecular level. The interpretation of microarray gene expression experiments profits from knowledge on the analyzed genes and proteins and the biochemical networks in which they play a role. The trend is towards the development of data analysis methods that integrate diverse data types. Currently, the most comprehensive biomedical knowledge source is a large repository of free text articles. Text mining makes it possible to automatically extract and use information from texts.

This thesis addresses two key aspects, biomedical text mining and gene expression data analysis, with the focus on providing high-quality methods and data that contribute to the development of integrated analysis approaches. The work is structured in three parts. Each part begins by providing the relevant background, and each chapter describes the developed methods as well as applications and results.

Part I deals with biomedical text mining:

Chapter 2 summarizes the relevant background of text mining; it describes text mining fundamentals, important text mining tasks, applications and particularities of text mining in the biomedical domain, and evaluation issues.

In Chapter 3, a method for generating high-quality gene and protein name dictionaries is described. The analysis of the generated dictionaries revealed important properties of individual nomenclatures and the used databases (Fundel and Zimmer, 2006). The dictionaries are publicly available via a Wiki, a web service, and several client applications (Szugat et al., 2005).

In Chapter 4, methods for the dictionary-based recognition of gene and protein names in texts and their mapping onto unique database identifiers are described. These methods make it possible to extract information from texts and to integrate text-derived information with data from other sources. Three named entity identification systems have been set up, two of them building upon the previously existing tool ProMiner (Hanisch et al., 2003). All of them have shown very good performance in the BioCreAtIvE challenges (Fundel et al., 2005a; Hanisch et al., 2005; Fundel and Zimmer, 2007).

In Chapter 5, a new method for relation extraction (Fundel et al., 2007) is presented. It was applied on the largest collection of biomedical literature abstracts, and thus a comprehensive network of human gene and protein relations has been generated. A classification approach (Küffner et al., 2006) can be used to specify relation types further; e. g., as activating, direct physical, or gene regulatory relation.

Part II deals with gene expression data analysis:

Gene expression data needs to be processed so that differentially expressed genes can be identified. Gene expression data processing consists of several sequential steps. Two important steps are normalization, which aims at removing systematic variances between measurements, and quantification of differential expression by p-value and fold change determination. Numerous methods exist for these tasks.

Chapter 6 describes the relevant background of gene expression data analysis; it presents the biological and technical principles of microarrays and gives an overview of the most relevant data processing steps. Finally, it provides a short introduction to osteoarthritis, which is in the focus of the analyzed gene expression data sets.

In Chapter 7, quality criteria for the selection of normalization methods are described, and a method for the identification of differentially expressed genes is proposed, which is appropriate for data with large intensity variances between spots representing the same gene (Fundel et al., 2005b). Furthermore, a system is described that selects an appropriate combination of feature selection method and classifier, and thus identifies genes which lead to good classification results and show consisten

Als essentielle Komponente des IT-Security Managements umfasst das Identity & Access Management (I&AM) saemtliche organisatorischen und technischen Prozesse der Verwaltung von Dienstnutzern einer Einrichtung und deren Berechtigungen; dabei werden die Datenbestaende verschiedenster autoritativer Datenquellen wie Personal- und Kundenverwaltungssysteme aggregiert, korreliert und in aufbereiteter Form den IT-Services zur Verfuegung gestellt.

Das Federated Identity Management (FIM) hat zum Ziel, die so geschaffenen integrierten Datenbestaende auch organisationsuebergreifend nutzbar zu machen; diese Funktionalitaet wird beispielsweise im Rahmen von Business-to-Business-Kooperationen, Outsourcing-Szenarien und im Grid-Computing zunehmend dringender benoetigt.

Die Vermeidung von Redundanz und Inkonsistenzen, aber auch die garantierte Verfuegbarkeit der Daten und die Einhaltung von Datenschutzbestimmungen stellen hierbei besonders kritische Erfolgsfaktoren dar.

Mit der Security Assertion Markup Language (SAML), den Spezifikationen der Liberty Alliance und WS-Federation als integralem Bestandteil des Web Services WS-*-Protokollstacks haben sich industrielle und partiell standardisierte technische Ansaetze fuer FIM herauskristallisiert, deren praktische Umsetzung jedoch noch haeufig an der nur unzureichend geklaerten, komplexen organisatorischen Einbettung und den technischen Unzulaenglichkeiten hinsichtlich der Integration in bestehende IT-Infrastrukturen scheitert.

In dieser Arbeit wird zunaechst eine tiefgehende und in diesem Umfang neue Anforderungsanalyse durchgefuehrt, die neben I&AM und FIM auch die als User-Centric Identity Management (UCIM) bezeichnete Benutzerperspektive beruecksichtigt; die Schwerpunkte der mehr als 60 strukturierten und gewichteten Anforderungen liegen dabei auf der Integration von I&AM- und FIM-Systemen sowohl auf der Seite der organisation, der die Benutzer angehoeren (Identity Provider), als auch beim jeweiligen Dienstleister (Service Provider), und auf dem Einbezug von organisatorischen Randbedingungen sowie ausgewaehlten Sicherheits- und Datenschutzaspekten.

Im Rahmen eines umfassenden, gesamtheitlichen Architekturkonzepts wird anschliessend eine Methodik zur systematischen Integration von FIM-Komponenten in bestehende I&AM-Systeme erarbeitet. Neben der praezisen Spezifikation der technischen Systemschnittstellen, die den bestehenden Ansaetzen fehlt, fokussiert diese Arbeit auf die organisatorische Eingliederung aus Sicht des IT Service Managements, wobei insbesondere das Security Management und das Change Management nach ITIL vertieft werden.

Zur Kompensation weiterer grundlegender Defizite bisheriger FIM-Ansaetze werden im Rahmen eines Werkzeugkonzepts fuenf neue FIM-Komponenten spezifiziert, die auf eine verbesserte Interoperabilitaet der FIM-Systeme der an einer so genannten Identity Federation beteiligten organisationen abzielen. Darueber hinaus wird auf Basis der eXtensible Access Control Markup Language (XACML) eine policy-basierte Privacy Management Architektur spezifiziert und integriert, die eine dezentrale Steuerung und Kontrolle von Datenfreigaben durch Administratoren und Benutzer ermoeglicht und somit essentiell zur Einhaltung von Datenschutzauflagen beitraegt.

Eine Beschreibung der prototypischen Implementierung der Werkzeugkonzepte mit einer Diskussion ihrer Performanz und die methodische Anwendung des Architekturkonzepts auf ein komplexes, realistisches Szenario runden die Arbeit ab.

This thesis is concerned with presenting and developing modeling approaches which allow for a time-varying effect of covariates by using time-varying coefficients. The different approaches are compared in simulation studies. Thereby, we investigate how well different components of the simulated models can be identified. The models performing best in the simulation study are then applied to data collected within the study "Improved Air Quality and its Influences on Short-Term Health Effects in Erfurt, Eastern Germany". One specific aspect in this analysis is to assess the necessity of a time-varying estimate compared to a more parsimonious, time-constant fit.

A further topic is the estimation of time-varying coefficient models in the presence of measurement errors in the exposure variable. We specify a measurement error model

and present methods to estimate parameters and measurement error variances of the model in the case of autocorrelated latent exposure as well as measurement errors. Furthermore,

two methods adjusting for measurement errors in the context of time-varying coefficients are developed. The first one is based on a hierarchical Bayesian model and the Bayesian error correction principle. The second method is an extension of the well-known regression calibration approach to the case of autocorrelated data. The obtained estimated true values can then be included into the main model to assess the effect of the variable of interest. Finally, the approaches are again applied to the Erfurt data.

Seit Mitte der 1990er Jahre wird unter dem Grid-Problem allgemein das koordinierte Problemlösen und die gemeinschaftliche Nutzung von Ressourcen in dynamischen, multi-institutionellen, Virtuellen Organisationen verstanden. Das Konzept Virtueller Organisationen (VO) ist damit für Grids von zentraler Bedeutung. Intuitiv bestehen VOs aus Personen und/oder technischen Ressourcen autonomer realer Organisationen. Der für VOs typische Lebenszyklus impliziert zahlreiche, zum Teil neue, Anforderungen nicht nur an die Bereitstellung von Grid-Ressourcen, sondern insbesondere auch an das Management von VOs selbst. Fragen nach gezielter IT-Unterstützung in der Formation, dem Betrieb, und der Auflösung von VOs rücken in Grids immer mehr in den Vordergrund.

Trotz der drängenden Notwendigkeit eines auch gerade VOs als managed objects umfassenden, integrierten Grid-Management-Ansatzes, sind die Fragestellungen bezüglich der hierzu erforderlichen Architekturen, Plattformen und Betriebskonzepte noch weitgehend ungeklärt. Existierende Konzepte liegen bestenfalls für einzelne Teilaspekte vor (z.B. dem Mitgliedsmanagement). Bestätigt wird dies durch eine Analyse bestehender Architekturkonzepte, deren zum Teil erhebliche Defizite auf die aktuelle betriebliche Praxis im Grid-Management und den vereinfachend getroffenen Annahmen zu Lebensdauer, Gründungsprozess oder Kooperationsstruktur von VOs zurückzuführen sind.

Die Dissertation verfolgt das Ziel, eine VO-Managementarchitektur (VOMA), in der die Managementobjekte dynamische Virtuelle Organisationen sind, zu entwickeln. Im Informationsmodell der Architektur wird für alle am VO-Management beteiligten Rollen ein gemeinsames Verständnis über die auszutauschenden Managementinformationen festgelegt. Das Organisationsmodell identifiziert die am VO-Management beteiligten Rollen und ordnet ihnen entsprechende Handlungsdomänen zu. Im Kommunikationsmodell werden die spezifischen Anforderungen an die Kommunikationsmechanismen dieser Rollen spezifiziert. Im Funktionsmodell wird der Gesamtaufgabenkomplex des VO-Managements auf der Basis der anderen Teilmodelle in einzelne Funktionsbereiche gegliedert, die sich an VO-Lebenszyklen orientieren.

Während VOMA zunächst Plattform-unabhängig spezifiziert wird -- und damit ein allgemeines Rahmenwerk liefert, muss die Architektur für einen realen Einsatz Plattform-spezifisch transformiert werden. Dies wird am Beispiel des Web Services Distributed Management gezeigt. Zudem wird geklärt, wie die Architektur in bestehende oder zukünftige Grid-Projekte integriert werden kann. Dazu wird VOMA um eine Infrastrukturkomponente (VOMA-I) erweitert, über die VOMA an Hand von Konfigurationsmustern in einem klassischen Manager/Agenten-Paradigma zum Einsatz gebracht werden kann. Die Tragfähigkeit des Konzeptes wird an Beispielen demonstriert.

Eine Zusammenfassung der erzielten Ergebnisse und ein Ausblick auf weiterführende Forschungsthemen runden die Arbeit schließlich ab.

In den letzten Jahren ließ sich ein starker Trend hin zum dienstorientierten Management verzeichnen. Betreiber von IT-Diensten gehen verstärkt dazu über, den Betrieb ihrer Infrastrukturen an technischen und organisatorischen

Dienstmanagementkonzepten auszurichten und versuchen dadurch, den durch gesteigerte Kundenbedürfnisse und komplexere Diensterbringungsszenarien induzierten Rahmenbedingen zu begegnen. Mit der Einführung neuer Dienstmanagementsysteme

wächst allerdings gleichzeitig der Bedarf nach Interoperabilität: Hierbei stellt insbesondere das Vorhandensein einer standardisierten Managementinformationsbasis

(MIB) die entscheidende Prämisse für einen anwendungsübergreifenden

Austausch bzw. eine Wiederbenutzung von Managementinformationen dar.

Um eine Integration des Dienstmanagements zu unterstützen, wird deshalb in dieser Arbeit eine dienstorientierte Informationsbasis (Service-MIB)

konzipiert. Die Grundlage dafür bildet eine vierstufige Methodik: Zunächst wird innerhalb der Analysephase der Bedarf an dienstorientierter Managementinformation anhand mehrerer Gesichtspunkte ermittelt und somit der Frage nachgegangen, welche Informationen zur Erfüllung von

Dienstmanagementaufgaben effektiv benötigt werden. Daran anschließend widmet sich die Spezifikationsphase der Modellierung und adäquaten Beschreibung von Dienstmanagementinformationen. Hierbei werden die

vorab ermittelten Entitäten, Attribute und Beziehungen in objektorientierte Modelle überführt und mit Hilfe einer, in dieser Phase entwickelten, deklarativen Spezifikationssprache \emph{(SISL)} formalisiert.

Ein entscheidendes Kriterium für eine Service-MIB stellt ferner

ihre Aktualität dar, d.h. in ihr enthaltene Informationen müssen den

aktuellen Zustand des Dienstes reflektieren. Dies wird innerhalb der Überwachungsphase durch Einführung einer geeigneten Dienstüberwachung

adressiert: Basierend auf SISL-Spezifikationen werden komponentenorientierte

Managementinformation mit Hilfe eines Überwachungswerkzeugs (SMONA)

aggregiert und zu Dienstmanagementinformationen verdichtet. Abschließend

beschäftigt sich die Nutzungsphase mit Möglichkeiten zur Einbettung in bestehende Managementarchitekturen.

Statistical relational learning analyzes the probabilistic constraints between the entities, their attributes and relationships. It represents an area of growing interest in modern data mining. Many leading researches are proposed with promising results. However, there is no easily applicable recipe of how to turn a relational domain (e.g. a database) into a probabilistic model. There are mainly two reasons. First, structural learning in relational models is even more complex than structural learning in (non-relational) Bayesian networks due to the exponentially many attributes an attribute might depend on. Second, it might be difficult and expensive to obtain reliable prior knowledge for the domains of interest. To remove these constraints, this thesis applies nonparametric Bayesian analysis to relational learning and proposes two compelling models: Dirichlet enhanced relational learning and infinite hidden relational learning.

Dirichlet enhanced relational learning (DERL) extends nonparametric hierarchical Bayesian modeling to relational data. In existing relational models, the model parameters are global, which means the conditional probability distributions are the same for each entity and the relationships are independent of each other. To solve the limitations, we introduce hierarchical Bayesian (HB) framework to relational learning, such that model parameters can be personalized, i.e. owned by entities or relationships, and are coupled via common prior distributions. Additional flexibility is introduced in a nonparametric HB modeling, such that the learned knowledge can be truthfully represented. For inference, we develop an efficient variational method, which is motivated by the Polya urn representation of DP. DERL is demonstrated in a medical domain where we form a nonparametric HB model for entities involving hospitals, patients, procedures and diagnoses. The experiments show that the additional flexibility introduced by the nonparametric HB modeling results in a more accurate model to represent the dependencies between different types of relationships and gives significantly improved prediction performance about unknown relationships.

In infinite hidden relational model (IHRM), we apply nonparametric mixture modeling to relational data, which extends the expressiveness of a relational model by introducing for each entity an infinite-dimensional hidden variable as part of a Dirichlet process (DP) mixture model. There are mainly three advantages. First, this reduces the extensive structural learning, which is particularly difficult in relational models due to the huge number of potential probabilistic parents. Second, the information can globally propagate in the ground network defined by the relational structure. Third, the number of mixture components for each entity class can be optimized by the model itself based on the data. IHRM can be applied for entity clustering and relationship/attribute prediction, which are two important tasks in relational data mining. For inference of IHRM, we develop four algorithms: collapsed Gibbs sampling with the Chinese restaurant process, blocked Gibbs sampling with the truncated stick breaking construction (SBC), and mean-field inference with truncated SBC, as well as an empirical approximation. IHRM is evaluated in three different domains: a recommendation system based on the MovieLens data set, prediction of the functions of yeast genes/proteins on the data set of KDD Cup 2001, and the medical data analysis. The experimental results show that IHRM gives significantly improved estimates of attributes/relationships and highly interpretable entity clusters in complex relational data.

In the previous years a paradigm shift in the area of IT service management could be witnessed. IT management does not only deal with the network, end systems, or applications anymore, but is more and more concerned with IT services. This is caused by the need of organizations to monitor the efficiency of internal IT departments and to have the possibility to subscribe IT services from external providers. This trend has raised new challenges in the area of IT service management, especially with respect to service level agreements laying down the quality of service to be guaranteed by a service provider. Fault management is also facing new challenges which are related to ensuring the compliance to these service level agreements. For example, a high utilization of network links in the infrastructure can imply a delay increase in the delivery of services with respect to agreed time constraints. Such relationships have to be detected and treated in a service-oriented fault diagnosis which therefore does not deal with faults in a narrow sense, but with service quality degradations.

This thesis aims at providing a concept for service fault diagnosis which is an important part of IT service fault management. At first, a motivation of the need of further examinations regarding this issue is given which is based on the analysis of services offered by a large IT service provider. A generalization of the scenario forms the basis for the specification of requirements which are used for a review of related research work and commercial products. Even though some solutions for particular challenges have already been provided, a general approach for service fault diagnosis is still missing. For addressing this issue, a framework is presented in the main part of this thesis using an event correlation component as its central part. Event correlation techniques which have been successfully applied to fault management in the area of network and systems management are adapted and extended accordingly. Guidelines for the application of the framework to a given scenario are provided afterwards. For showing their feasibility in a real world scenario, they are used for both example services referenced earlier.