About ME

Prof. Dr. habil. Dr. rer. nat.

Markus Endres

Researcher, Lecturer, Project Leader

University of Applied Sciences Munich

Scalable and Distributed Data Management

        Lothstr. 64 - 80335 Munich - Germany

+49 89 1265 3743

ABOUT ME


Prof. Dr. Markus Endres is a full professor at the University of Applied Sciences Munich, Germany. His research is between database systems, data and knowledge engineering and artificial intelligence covering intelligent automatic information systems by using efficient, scalable analytical methods on Big Data. He studied mathematics and compter science at the University of Augsburg. In 2011, he receivied his PhD for this work on "Semi-Skylines". From 2011 to 2013 he was a lecturer for mathematics at the University of Applied Sciences Munich. In 2016, he has received his habilitation for his work on "Preference Analytics". From 2019 to 2021 he held the Chair for Digital Libraries and Web Information Systems at the University of Passau, and from 2021 until 2023 he was responsible for the Chair of Data and Knowledge Engineering. Since 2023 he is professor for scalable and distributed data management at the University of Applied Sciences Munich. He co-authored more than 90 peer-reviewed articles and is a reviewer for various national and international conferences, journals and workshops.

RESEARCH INTERESTS

  • Big Data Analytics, Data Science, Preference Analytics
  • Scalable Database Systems
  • Data Cleaning, Data Integration
  • Maschine Learning, Neural Networks
  • Data analytics on parallel and distributed databases
  • Processing and analyzing large and complex data
  • Processing data streams, e.g., Copernicus-Satellite-Data
  • Preference Theory, Personalization and Applications
  • Preference-based Database Systems and Search Engines
  • Recommender Systems and Preference Mining
  • PreferenceSQL
  • Intelligent Personalized Information Systems

PROJECTS


BigScience: GPA-beschleunigte KI-Werkzeuge für Big Data Science in hybriden MPP Datenbanken

Projektleitung

Prof. Dr. Markus Endres


Projektmitarbeiter

  • Tung Son Tran
  • Renukswamy Chikkamath

Projektpartner

Zusammenfassung

Ziel des Vorhabens von EXASOL, SoftQuadrat und DKE ist die Konzeption und Entwicklung eines hybriden Datenbanksystems auf Basis von EXASOLDB, welches General Purpose Accelerators (GPAs) zur Beschleunigung von KI-Anwendungen und der damit einhergehenden effizienten Analyse von Big Data ermöglicht. Für die Datenanalyse werden Verfahren aus dem Bereich der Künstlichen Intelligenz, u.a. Machine Learning und Deep Learning, direkt in EXASOLDB verfügbar gemacht. Die Anwendung der KI-Algorithmen wird durch spezielle Module sowie einem neuartigen KI-Workflow ermöglicht. Die Integration von Datensynthese-Verfahren basierend auf Neuronalen Netzen wird das Projektvorhaben ergänzen. Daraus resultiert ein hocheffizientes massiv paralleles und verteiltes Datenbanksystem mit GPA Unterstützung, welches die Anwendung von KI in Unternehmen verschiedenster Branchen vereinfacht bzw. überhaupt erst ermöglicht.


Projektträger

Bayerischen Staatsministerium für Wirtschaft, Landesentwicklung und Energie (BayVFP, IuK).

Förderkennzeichen DIK0259/01

BigPref: Konzeption und Entwicklung von Verfahren für Preference Analytics im Big Data Umfeld

Zusammenfassung


Das Projekt BigPREF verfolgt folgende Inhalte:

  • Bereitstellung von Preference Analytics in BI-Tools
  • Konzeption und Entwicklung neuartiger Cluster- und Partitionierungsverfahren für Preference Analytics
  • Dominatorensuche für das 2-dimensionale und nas n-dimensionale Problem
  • Preference Hadoop - Konzeption von Präferenzanfragen in MapReduce
  • Preference Top-k



Projektstart: 15.02.2016
Projektende: 14.05.2017
Laufzeit: 15.02.2016 - 14.05.2017
Projektträger: BMWi (Bundesministerium für Wirtschaft und Technologie)
Projektverantwortung vor Ort: Priv.-Doz. Dr. Markus Endres, Prof. Dr. W. Kießling


Beteiligte WissenschaftlerInnen der Universität Augsburg:

M.Sc. Johannes Kastner
Dr. Patrick Roocks
M.Sc. Stefan Wohlfart
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen/Kooperationen: EXASOL AG

PreferenceSQL

Zusammenfassung


Präferenzen haben sich in den letzten Jahren immer stärker als ein fundamentales, multidisziplinäres Konzept für mannigfaltige Anwendungsgebiete herauskristallisiert, insbesondere im Bereich der Personalisierung im Zusammenhang mit Datenbanken und Suchmaschinen. Dieser Trend hat sich nochmals durch die immense Popularität von sozialen Netzwerken und mobilen internetgestützten Anwendungen beschleunigt.
Das Forschungsvorhaben "PreferenceSQL für Präferenz-Datenbanken" beschäftigt sich mit der Entwicklung von Verfahren zur Verarbeitung von Präferenzen in Datenbanken, Suchmaschinen und Recommender Systemen.



Projektstart: 01.09.2005

Projektträger: Universität Augsburg

Projektverantwortung vor Ort: Priv.-Doz. Dr. Markus Endres

PeToMoTo: Personalisierte Tourenplanung für mobile Touristikanwendungen

Zusammenfassung


Ziel des Drittmittelprojektes "PeToMoTo" ist es, die Vorteile einer Präferenzbasierten Suche (preference search) gegenüber der im Ecommerce üblichen Parametrischen Suche (faceted / parametric search) anhand einer mobilen Touristikanwendung nachzuweisen:


Höhere Kundenzufriedenheit

Kürzere Sessionzeit


Beschreibung


Drittmittelförderung erfolgt durch das Bundesministerium für Wirtschaft und Technologie gemäß eines Beschlusses des Deutschen Bundestags in Zusammenarbeit mit Alpstein Tourismus GmbH & Co. KG.


Wie Praxiserfahrungen belegen, sind heutige Recommender-Systeme für Tourenplanungen im Outdoor-Bereich wenig zufriedenstellend, insbesondere bei mobilen Einsätzen. Komplexe Geo-Objekte und dynamische Outdoor-Situationen verlangen nach neuen Lösungsansätzen, wobei auch die in sozialen Netzwerken vorhandenen Benutzerpräferenzen gut genutzt werden müssen. Hierfür bildet die Präferenzforschung für Datenbanken einen geeigneten Ausgangspunkt.

Der wissenschaftliche Kern des Projekts umfasst eine Erweiterung des Präferenz- sowie Situationsmodells im Hinblick auf diese Erfordernisse. Diese Innovationen wurden in das am Lehrstuhl existierende Preference-SQL-System für präferenzbasierte Suchanfragen integriert. Das darauf aufbauende Recommender-System generiert vollautomatisch in Kenntnis von Benutzerpräferenzen und Kontextinformationen bestmögliche Tourenempfehlungen. Dazu genügt eine einzige Benutzeranfrage, was insbesondere in unvorhergesehenen Situationen im Gelände essentiell sein kann. Die Integration in eine präferenzbasierte Testversion des Alpstein-Portals outdooractive.com wurde in einem Benchmark evaluiert, wobei eine höhere Kundenzufriedenheit und kürzere Sessionzeiten nachgewiesen werden konnten.



















Zusätzlich zur Rollenwahl (Tourist) und den Benutzereingaben werden kontextsensitive Präferenzen aus einem Situationsmodell generiert. Da der Ort - in obiger Abbildung Allgäu - bekannt ist, können mit Hilfe einer Wetter-API die momentanen Wetterbedingungen ermittelt werden, woraus kontextsensitive Präferenzen für Attribute wie z.B. Aktivität, minimale bzw. maximale Höhe dynamisch generiert werden. Die kontextsensitiven Präferenzen werden mit den rollenspezifischen Präferenzen und den aus der Benutzereingabe abgeleiteten Präferenzen in konsistenter Weise verknüpft, so dass nach Absenden der Anfrage nur die gemäß der Bedingungen und Präferenzen optimalen Tourenvorschläge als Ergebnis zurückgeliefert werden (1-click search).



BMWI


Drittmittel-Projekt "PeToMoTo: Personalisierte Tourenplanung für mobile Touristikanwendungen", gefördert vom Bundesministerium für Wirtschaft und Technologie
Projektstart: 01.11.2010
Projektende: 31.10.2011
Projektträger: BMWi (Bundesministerium für Wirtschaft und Technologie)


Beteiligte WissenschaftlerInnen der Universität Augsburg:

Prof. Dr. W. Kießling
Dr. Alfons Huhn
Patrick Roocks
Andreas Zelend
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen / Kooperationen: Alpstein Tourismus GmbH & Co. KG

TSMP: Konzeption und Entwicklung einer Tourism Service Matching Platform für die Buchung von touristischen Erlebnisangeboten

Zusammenfassung


Das Projekt "TSMP" erzielte folgende Ergebnisse:

Generisches Modell für die Erstellung von Präferenzen

Präferenzen auf hierarchischen bzw. rekursiven Datenstrukturen

Präferenzanalyse


Beschreibung


Generisches Modell für die Erstellung von Präferenzen:


Das Modell umfasst folgende Schritte:


Semantisches Modell durch Datenanalyse, Erstellung eines Fragebogens, Bewertung des Fragebogens durch Wissensingenieur bzw. Fragebogenteilnehmer, Auswertung des Fragebogens und schließlich die automatische Generierung von Präferenzen aus der Auswertung.
Diese generische Vorgehensweise eignet sich sowohl für einen modellgetriebenen als auch für einen auf Statistik basierten Ansatz. Zudem wird kein kontrolliertes Vokabular (Closed World Assumption) vorausgesetzt.

Präferenzen auf hierarchischen bzw. rekursiven Datenstrukturen:

Falls für Begriffe eine Ontologie existiert, können Präferenzen analog zur Vererbung bei objektorientierten Sprachen erweitert werden, indem unbewertete Begriffe die Bewertung eines bewerteten Oberbegriffs erhalten.
Die präferenzbasierte Routensuche innerhalb eines Wegenetzes entspricht der Präferenzauswertung in einem Suchbaum, wobei ggf. eine Aggregation von Attributen entlang des Suchpfades erfolgt.
Die präferenzbasierte Urlaubsplanung erzeugt einen Potenz(multi)mengenverband, dessen Elemente jeweils eine Kombination von Aktivitäten umfassen, wobei ebenfalls eine Aggregation bzgl. vorgegebener Attribute für alle Elemente der Kombination berechnet wird. Ausgangspunkt für die Potenzmenge ist eine (Multi-)Menge, die das Ergebnis einer Top-k-Präferenzanfrage ist, die Stereotypen, Regionen und den Kontext (z.B. Wetter) optimal berücksichtigt.


Präferenzanalyse:

Top-k-Präferenzanfragen erzeugen Ergebnisse einer festen Größe k, die für Sterotypen, Regionen und Kontext optimal sind. Indem die Ergebnisse und ihre Qualität miteinander verglichen werden, lassen sich für jede Region geeignete Zielgruppen und dafür passende Aktivitäten ermitteln, wodurch ein zielgruppenorientiertes Marketing ermöglicht wird.



Projektstart: 01.12.2013
Laufzeit: 01.12.2013 - 15.12.2015
Projektträger:


Beteiligte WissenschaftlerInnen der Universität Augsburg:

Prof. Dr. W. Kießling
Dr. Alfons Huhn
Patrick Roocks
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen / Kooperationen: Alpstein Tourismus GmbH & Co. KG

P-SOL: Präferenzbasierte Big-Data-Lösungen für analytische Datenbanken

Zusammenfassung


Das Projekt verfolgt folgende Ziele:

  • Hochperformante Datenanalyse
  • Reduzierung der Ergebnismenge auf relevante Daten
  • Verarbeitung großer und unstrukturierter Daten (Big Data)


Beschreibung


Links:


Homepage von Preference SQL



Projektstart: 15.11.2011
Laufzeit: 15.11.2011 - 30.11.2013
Projektträger: IuK im Auftrag des Bayerischen Staatsministerium für Wirtschaft, Infrastruktur, Verkehr und
Technologie


Beteiligte WissenschaftlerInnen der Universität Augsburg:

Prof. Dr. W. Kießling
Dr. Alfons Huhn
Patrick Roocks
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen / Kooperationen: EXASOL AG

PUBLICATIONS

Peer-Reviewed Papers and Journals

2024

Renukswamy Chikkamath, Zahra Esmaeili, Markus Endres. 2024. Decoding Health Informatics Patents: Investigating Topic Models for Patent Information Retrieval. International Conference on Health Informatics, Intelligent Systems and Networking technologies, HINT 2024, MIT, Manipal, India


Macedo Maia, Markus Endres. 2023. Investigating Questioner's Explicit Information Influences in Transformer-Based Community Question Answering. In 8th IEEE International Conference on Semantic Computing, IEEE-ICSC 2023, Laguna Hills, CA, USA



2023

Renukswamy Chikkamath, Deepak Rastogi, Mahesh Maan and Markus Endres. 2023. Is Your Search Query Well-Formed? A Natural Query Understanding for Patent Prior Art Search. Journal of World Patent Information.


Renukswamy Chikkamath, Rana Fassahat Ali, Christoph Hewel and Markus Endres. 2023. Explainable Artificial Intelligence for Highlighting and Searching in Patent Text. 4th Workshop on Patent Text Mining and Semantic Technologies, PatentSemTech 2023, Taipei, Taiwan

2022

Markus Endres and Macedo Maia. 2022. A comparative study using different question context information on pairwise learning-to-rank CQA transformer models in the home improvement domain. Journal of Data Intelligence 3, 1, 131-148. DOI: 10.26421/JDI3.1-3
BibTeX | RIS | URL | DOI


Markus Endres and Renukswamy Chikkamath. 2022. PaSA: a dataset for Patent Sentiment Analysis to highlight patent paragraphs. In 16th International Artificial Conference on Intelligence for Law, 5-6 May 2022, Singapore, Singapore.
BibTeX | RIS


Markus Endres, Renukswamy Chikkamath, Vishvapalsinhji Ramsinh Parmar and Yasser Otiefy. 2022. Patent classification using BERT-for-patents on USPTO. In 5th International Conference on Machine Learning and Natural Language Processing (MLNLP 2022), Sanya, China, December 23-25, 2022.
BibTeX | RIS | URL


Markus Endres, Asha Mannarapotta Venugopal and Tung Son Tran. 2022. Synthetic data generation: a comparative study. In Bipin C. Desai and Peter Z. Revesz (Ed.). IDEAS '22: Proceedings of the 26th International Database Engineered Applications SymposiumA, August 22 - 24, 2022, Budapest, Hungary. ACM, New York, NY, 94-102 DOI: 10.1145/3548785.3548793
BibTeX | RIS | DOI


2021

Macedo Maia, Juliano Efson Sales, André Freitas, Siegfried Handschuh and Markus Endres. in press. A comparative study of deep neural network models on multi-label text classification in finance. In 15th IEEE International Conference on Semantic Computing (ICSC), virtual, January 27-29, 2021. IEEE
BibTeX | RIS | URL


Macedo Maia, Siegfried Handschuh and Markus Endres. 2021. A tag-based transformer community questions answering learning-to-rank model in the home improvement domain. Lecture Notes in Computer Science 12924, 127-138. DOI: 10.1007/978-3-030-86475-0_13
BibTeX | RIS | DOI


Markus Endres, Lena Rudenko and Dominik Gröninger. 2021. Aggregation and summarization of thematically similar Twitter microblog messages. Lecture Notes in Computer Science 12843, 102-117. DOI: 10.1007/978-3-030-82472-3_9
BibTeX | RIS | DOI


Markus Endres, Renukswamy Chikkamath, Vishvapalsinhji Ramsinh Parmar and Christoph Hewel. in press. Patent sentiment analysis to highlight patent paragraphs. arXiv:2111.09741.
BibTeX | RIS | URL

2020

Markus Endres and Ulrich Junker. 2020. Advances in preference handling went digital: impressions from M-PREF 2020, Italy. IFORS News 15, 4, 43-44.
BibTeX | RIS | URL


Renukswamy Chikkamath, Markus Endres, Lavanya Bayyapu and Christoph Hewel. 2020. An empirical study on patent novelty detection: a novel approach using machine learning and natural language processing. In 2020 Seventh International Conference on Social Networks Analysis, Management and Security (SNAMS). IEEE, Piscataway, NJ DOI: 10.1109/SNAMS52053.2020.9336557
BibTeX | RIS | URL | DOI


Lena Rudenko, Christian Haas and Markus Endres. 2020. Analyzing Twitter data with preferences. In ADBIS 2020, Lyon, France, August 25-27, 2020.
BibTeX | RIS


Macedo Maia, Vivian Silvia, Markus Endres, André Freitas and Siegfried Handschuh. in press. Attentive recurrent text categorization models using word-category cross embedding on financial comments. In 35th ACM/SIGAPP Symposium On Applied Computing (SAC2020), March 30 - April 3, 2020, Brno, Czech Republic. ACM, 1147-1149
BibTeX | RIS | URL


Markus Endres, Stefan Schödel and Klaus Emathinger. in press. Lifting preferences to the semantic web: PreferenceSPARQL. In IDEAS 2020: 24th International Database Engineering & Applications Symposium, online, August 12 - 18, 2020.
BibTeX | RIS | URL


Klaus Emathinger, Stefan Schödel and Markus Endres. in press. PreferenceSPARQL for querying the semantic web. In 12th Multidisciplinary Workshop on Advances in Preference Handling (MPREF) in conjunction with ECAI 2020, August 29 - September 2 2020, Santiago de Compostela, Spain.
BibTeX | RIS | URL

2019

Markus Endres and Erich Glaser. 2019. Evaluation of index-based skyline algorithms. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2019-01. Institut für Informatik, Universität Augsburg, Augsburg.
PDF | BibTeX | RIS


Markus Endres and E. Glaser. 2019. Indexing for skyline computation: a comparison study. Lecture Notes in Computer Science 11529, 31-42. DOI: 10.1007/978-3-030-27629-4_6
BibTeX | RIS | DOI


Johannes Kastner, Markus Endres and Nemanja Ranitovic. 2019. The Borda social choice movie recommender. In 18. Fachtagung Datenbanksysteme für Business, Technologie und Web (BTW 2019), März 2019, Rostock, Deutschland.
BibTeX | RIS


Johannes Kastner and Markus Endres. 2019. You have the choice: the Borda voting rule for clustering recommendations. In ADBIS 2019: 23rd European Conference on Advances in Databases and Information Systems, September 8-11, 2019, Bled, Slovenia.
BibTeX | RIS

2018

Markus Endres and Lena Rudenko. 2018. A tour of lattice-based skyline algorithms. In Maki Habib (Ed.). Handbook of Research on Investigations in Artificial Life Research and Development. IGI Global, Hershey, PA, 96-122. DOI: 10.4018/978-1-5225-5396-0.ch006
BibTeX | RIS | DOI


Markus Endres, Johannes Kastner and Lena Rudenko. 2018. Analyzing and clustering Pareto-optimal objects in data streams. In Moamar Sayed-Mouchaweh (Ed.). Learning from Data Streams in Evolving Environments: Methods and Applications. Springer International, Cham (Studies in Big Data ; 41), 63-91. DOI: 10.1007/978-3-319-89803-2_4
BibTeX | RIS | DOI


Lena Rudenko and Markus Endres. 2018. Real-time skyline computation on data streams with SLS: implementation and experiences. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2018-01. .
PDF | BibTeX | RIS


2017

Johannes Kastner, Markus Endres and Werner Kießling. 2017. A Pareto-dominant clustering approach for Pareto-frontiers. In Yannis Ioannidis, Julia Stoyanovich and Giorgio Orsi (Ed.). Nineteenth International Workshop on Design, Optimization, Languages and Analytical Processing of Big Data (DOLAP 2017), colocated with EDBT/ICDT 2017, Venice, Italy, March 21, 2017. CEURS-WS (CEUR Workshop Proceedings ; Vol-1810), 1-5.
PDF | BibTeX | RIS | URL | URL


Markus Endres and Timotheus Preisinger. 2017. Beyond skylines: explicit preferences. Lecture Notes in Computer Science 10177, 327-342. DOI: 10.1007/978-3-319-55753-3_21
BibTeX | RIS | DOI


Markus Endres and Felix Weichmann. 2017. Index structures for preference database queries. Lecture Notes in Computer Science 10333, 137-149. DOI: 10.1007/978-3-319-59692-1_12
BibTeX | RIS | DOI


Johannes Kastner and Markus Endres. 2017. Multidimensional clustering approaches for pareto-frontiers. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2017-02. .
PDF | BibTeX | RIS


Markus Endres and Stefan Wohlfart. 2017. Parallel multi-level preference computation. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2017-03. .
PDF | BibTeX | RIS


Lena Rudenko and Markus Endres. 2017. Personalized stream analysis with PreferenceSQL. In Bernhard Mitschang, Norbert Ritter, Holger Schwarz, Meike Klettke, Andreas Thor, Oliver Kopp and Matthias Wieland (Ed.). Datenbanksysteme für Business, Technologie und Web (BTW 2017): Workshopband, 06.– 07.03.2017, Stuttgart, Deutschland. Gesellschaft für Informatik e.V., Bonn (Lecture Notes in Informatics ; P-266), 181-184.
PDF | BibTeX | RIS | URL


Markus Endres. 2017. Preference Miner: a database tool for mining user preferences. In Andreas Schmidt, Fritz Laux, Dimitar Hristovski and Shin-ichi Ohnishi (Ed.). The Ninth International Conference on Advances in Databases, Knowledge, and Data Applications (DBKDA 2017), Barcelona, Spain, 21-25 May 2017. IARIA, Wilmington, DE, 52-53
BibTeX | RIS | URL


Markus Endres and Andreas Pfandler. 2017. Präferenzen und Personalisierung in der Informatik. In Workshop Präferenzen und Personalisierung in der Informatik (PPI17) @ BTW 2017, Stuttgart, Deutschland, 2017.
BibTeX | RIS

2016

Lena Rudenko, Markus Endres, Werner Kießling and Patrick Roocks. 2016. A preference-based stream analyzer. In Moamar Sayed-Mouchaweh, Hamid Bouchachia, João Gama and Rita Paula Ribeiro (Ed.). STREAMEVOLV 2016 - Proceedings of the Workshop on Large-scale Learning from Data Streams in Evolving Environments (STREAMEVOLV-2016), co-located with the 2016 European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML/PKDD 2017), Riva del Garda, Italy, September 23, 2016. CEUR-WS
BibTeX | RIS | URL


Patrick Roocks and Markus Endres. 2016. Dominator search for skylines. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2016-05. .
PDF | BibTeX | RIS


Markus Endres and Werner Kießling. 2016. Parallel skyline computation exploiting the lattice structure. Journal of Database Management 26, 4, 18-43. DOI: 10.4018/jdm.2015100102
BibTeX | RIS | DOI


Markus Endres and Timotheus Preisinger. 2016. Preference structures and their lattice representations. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2016-02. .
PDF | BibTeX | RIS


Markus Endres and Andreas Pfandler. 2016. Unsere Empfehlung für Sie: Präferenzen und Personalisierung in der Informatik. In Heinrich C. Mayr and Martin Pinzger (Ed.). Informatik 2016: 26.-30. September 2016 Klagenfurt, Österreich. Gesellschaft für Informatik e.V., Bonn (Lecture Notes in Informatics (LNI) ; 46) (Gesellschaft für Informatik: GI-Edition / Proceedings ; 259), 1927-1934.
BibTeX | RIS | URL


2015

Patrick Roocks, Florian Wenzel, Lena Rudenko and Markus Endres. 2015. A database approach for categorical preferences on hierarchies. In 9th Multidisciplinary Workshop on Advances in Preference Handling (MPREF) in conjunction with IJCA 2015, 27 July 2015, Buenos Aires, Argentina.
BibTeX | RIS


Markus Endres and Timotheus Presinger. 2015. Behind the skyline. In Friedrich Laux, Andreas Schmidt, Maria Del Pilar Angeles, Kiyoshi Nitta and Iztok Savnik (Ed.). DBKDA 2015: The Seventh International Conference on Advances in Databases, Knowledge, and Data Applications, May 24-29, 2015, Rome, Italy. IARIA, Wilmington, DE, 141-146
BibTeX | RIS | URL


Timotheus Preisinger and Markus Endres. 2015. Looking for the best, but not too many of them: multi-level and top-k skylines. International Journal on Advances in Software 8, 3-4, 467-480.
BibTeX | RIS | URL


Stefan Mandl, Oleksandr Kozachuk, Markus Endres and Werner Kießling. 2015. Preference analytics in EXASolution. In 16. Fachtagung Datenbanksysteme für Business, Technologie und Web (BTW 2015), Hamburg, Deutschland, 2.-6. März 2015.
BibTeX | RIS


Markus Endres, Patrick Roocks and Werner Kießling. 2015. Scalagon: an efficient skyline algorithm for all seasons. Lecture Notes in Computer Science 9050, 292-308. DOI: 10.1007/978-3-319-18123-3_18
BibTeX | RIS | DOI


Markus Endres. 2015. The structure of preference orders. Lecture Notes in Computer Science 9282, 32-45. DOI: 10.1007/978-3-319-23135-8_3
BibTeX | RIS | DOI

2014

Markus Endres. 2014. A survey on selectivity estimation for preference database queries. In Hele-Mai Haav, Ahto Kalja and Tarmo Robal (Ed.). Databases and Information Systems VIII: Selected Papers from the Eleventh International Baltic Conference, DB&IS 2014. IOS Press, Amsterdam (Frontiers in Artificial Intelligence and Applications ; 270), 159-172. DOI: 10.3233/978-1-61499-458-9-159
PDF | BibTeX | RIS | DOI


Markus Endres, Patrick Roocks and Werner Kießling. 2014. Algebraic optimization of grouped preference queries. In Ana Maria Almeida, Jorge Bernardino and Elsa Ferreira Gomes (Ed.). Proceedings of the 18th International Database Engineering und Applications Symposium - IDEAS '14,Porto, Portugal, July, 2014. ACM Press, New York, NY, 247-256. DOI: 10.1145/2628194.2628256
BibTeX | RIS | DOI


Markus Endres, Patrick Roocks, Manuel Huber and Werner Kießling. 2014. Grouping queries with SV-semantics in preference SQL. In 8th Multidisciplinary Workshop on Advances in Preference Handling, in conjunction with AAAI-14, Quebec City, Canada, July 2014.
BibTeX | RIS


Markus Endres and Werner Kießling. 2014. High parallel skyline computation over low-cardinality domains. Lecture Notes in Computer Science 8716, 97-111. DOI: 10.1007/978-3-319-10933-6_8
BibTeX | RIS | DOI


Markus Endres. 2014. Preference selectivity estimation for cost-based query optimization. In The 11th International Baltic Conference on DB and IS (DB&IS 2014), Tallin, Estonia, June 2014.
BibTeX | RIS


D. Braziunas, Markus Endres, K. B. Venable, P. Weng and L. Xia (Ed.). 2014. Proceedings of the 8th Multidisciplinary Workshop on Advances in Preference Handling (M-PREF 2014): Papers from the 2014 AAAI Workshop. AAAI Press, Palo Alto, CA (Technical Report ; WS-14-10).
BibTeX | RIS | URL

2013

Markus Endres, Werner Kießling and Patrick Roocks. 2013. Specification and optimization of preference (SV-)grouping queries. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2013-01. .
PDF | BibTeX | RIS

2012

Bernhard Möller, Patrick Roocks and Markus Endres. 2012. An algebraic calculus of database preferences. Lecture Notes in Computer Science 7342, 241-262. DOI: 10.1007/978-3-642-31113-0_13
PDF | BibTeX | RIS | DOI


Florian Wenzel, Markus Endres, Stefan Mandl and Werner Kießling. 2012. Complex preference queries supporting spatial applications for user groups. Proceedings of the VLDB Endowment 5, 12, 1946-1949. DOI: 10.14778/2367502.2367544
BibTeX | RIS | DOI


Patrick Roocks, Markus Endres, Stefan Mandl and Werner Kießling. 2012. Composition and efficient evaluation of context-aware preference queries. Lecture Notes in Computer Science 7239, 81-95. DOI: 10.1007/978-3-642-29035-0_6
BibTeX | RIS | DOI


Patrick Roocks, Markus Endres, Alfons Huhn, Werner Kießling and Stefan Mandl. 2012. Design and implementation of a framework for context-aware preference queries. Journal of Computing Science and Engineering 6, 4, 243-256. DOI: 10.5626/jcse.2012.6.4.243
BibTeX | RIS | DOI


Markus Endres, Patrick Roocks, Florian Wenzel, Alfons Huhn and Werner Kießling. 2012. Handling of NULL values in preference database queries. In 6th Multidisciplinary Workshop on Advances in Preference Handling, August, 2012, Montpellier, France, in conjunction with ECAI 2012.
BibTeX | RIS | URL

2011

Werner Kießling, Martin Soutschek, Alfons Huhn, Patrick Roocks, Markus Endres, Stefan Mandl, Florian Wenzel and Andreas Zelend. 2011. Context-aware preference search for outdoor activity platforms. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2011-15. .
PDF | BibTeX | RIS


Markus Endres and Werner Kießling. 2011. Efficient evaluation of semi-skylines. In 5th International Workshop on Ranking in Databases in conjunction with VLDB 2011, Seattle, WA, USA, August 2011.
BibTeX | RIS


Markus Endres and Werner Kießling. 2011. Semi-skyline optimization of constrained skyline queries. In Heng Tao Shen and Yanchun Zhang (Ed.). Proceedings of the 22nd Australasian Database Conference 2011, ADC 2011, Perth, Australia, January 2011. Australian Computer Society, Sydney, 7-16
BibTeX | RIS | URL


Markus Endres. 2011. Semi-skylines and skyline snippets - theory and applications. Dissertation, Universität Augsburg. Books on Demand, Norderstedt.
BibTeX | RIS


Markus Endres and Werner Kießling. 2011. Skyline snippets. Lecture Notes in Computer Science 7022, 246-257. DOI: 10.1007/978-3-642-24764-4_22
BibTeX | RIS | DOI


Werner Kießling, Markus Endres and Florian Wenzel. 2011. The preference SQL system - an overview. Bulletin of the Technical Committee on Data Engineering 34, 2, 11-18.
BibTeX | RIS | URL

2010

Markus Endres and Werner Kießling. 2010. Semi-skylines and skyline snippets. Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg 2010-01. .
PDF | BibTeX | RIS


2008

Sven Döring, Timotheus Preisinger and Markus Endres. 2008. Advanced preference query processing for e-commerce. In Roger L. Wainwright and Hisham M. Haddad (Ed.). Proceedings of the 2008 ACM symposium on Applied computing - SAC '08, Fortaleza, Ceara, Brazil, March, 2008. ACM Press, New York, NY, 1457-1462. DOI: 10.1145/1363686.1364027
BibTeX | RIS | DOI


Markus Endres and Werner Kießling. 2008. Optimization of preference queries under hard sum constraints. In 4rd Multidisciplinary Workshop on Advances in Preference Handling, in conjunction with AAAI 2008, Chicago, Illinois, USA, July 2008.
BibTeX | RIS


Markus Endres and Werner Kießling. 2008. Optimization of preference queries with multiple constraints. In Vassilis Christophides, Georgia Koutrika, Tiziana Catarci, Yannis Ioannidis and Timos Sellis (Ed.). PersDB2008 - 2nd International Workshop on Personalized Access, Profile Management, and Context Awareness: Databases; Electronic Proceedings; 23 August 2008, Auckland, New Zealand (in conjunction with the 34th VLDB Conference). PersDB, 28-35
BibTeX | RIS | URL


2006

Benjamin Satzger, Markus Endres and Werner Kießling. 2006. A preference-based recommender system. Lecture Notes in Computer Science 4082, 31-40. DOI: 10.1007/11823865_4
BibTeX | RIS | DOI


Timotheus Preisinger, Werner Kießling and Markus Endres. 2006. The BNL++ algorithm for evaluating Pareto preference queries. In Multidisciplinary Workshop on Advances in Preference Handling (ECAI 2006), Riva del Garda, Italy, August 2006.
BibTeX | RIS


Markus Endres and Werner Kießling. 2006. Transformation of TCP-net queries into preference database queries. In Multidisciplinary Workshop on Advances in Preference Handling (ECAI 2006), Riva del Garda, Italy, August 2006.
BibTeX | RIS


2004

Werner Bley and Markus Endres. 2004. Picard groups and refined discrete logarithms. LMS Journal of Computation and Mathematics 8, 1-16. DOI: 10.1112/S1461157000000875
BibTeX | RIS | DOI


Books

2016

Preferences in Database Systems - Challenges and Solutions

Markus Endres
Habilitation, University of Augsburg.


2014

Semi-Skylines and Skyline Snippets - Theory and Applications

Markus Endres
Dissertation, University of Augsburg.
1st Examiner: Professor Dr. W. Kießling,
2nd Examiner: Professor Dr. B. Möller


Technical Reports

2019

Evaluation of Index-Based Skyline Algorithms
M. Endres, E. Glaser
Technical Report, Institute of Computer Science, University of Augsburg, March 2019
2019-01

OPUS


2018

Real-Time Skyline Computation on Data Streams with SLS : Implementation and Experiences
L. Rudenko, M. Endres
Technical Report, Institute of Computer Science, University of Augsburg, July 2018
2018-01

OPUS


2017

Parallel Multi-Level Preference Computation
M. Endres, S. Wohlfart
Technical Report, Institute of Computer Science, University of Augsburg, July 2017
2017-03

OPUS


Multidimensional Clustering Approaches for Pareto-frontiers
J. Kastner, M. Endres
Technical Report, Institute of Computer Science, University of Augsburg, June 2017
2017-02

OPUS


2016

Dominator Search for Skylines
P. Roocks, M. Endres
Technical Report, Institute of Computer Science, University of Augsburg, August 2016
2016-05

OPUS


Preference Structures and their Lattice Representations
M. Endres, T. Preisinger
Technical Report, Institute of Computer Science, University of Augsburg, March 2016
2016-02

OPUS


2015

A Context-Aware and Preference-Driven Vacation Planner for Tourism Regions
A. Huhn, P. Roocks, W. Kießling, M. Soutschek
Technical Report, Institute of Computer Science, University of Augsburg, December 2015
2015-04

OPUS


2013

Specification and Optimization of Preference (SV-)Grouping Queries
P. Roocks, M. Endres, W. Kießling
Technical Report, Institute of Computer Science, University of Augsburg, March 2013
2013-01

OPUS


2011

Context-Aware Preference Search for Outdoor Activity Platforms
W. Kießling, M. Soutschek, A. Huhn, P. Roocks, M. Endres, S. Mandl, F. Wenzel, A. Zelend
Technical Report, Institute of Computer Science, University of Augsburg, November 2011
2011-15

OPUS


2010

Semi-Skylines and Skyline Snippets
M. Endres, W. Kießling
Technical Report, Institute of Computer Science, University of Augsburg, March 2010
2010-01

OPUS

ACTIVITIES

REFEREE ACTIVITIES / PROGRAM COMMITTEE

  • 12th Multidisciplinary Workshop on Advances in Preference Handling in conjunction with ECAI 2020, Santiago de Compostela, Spain. Co-organizer

  • Präferenzen und Personalisierung in der Informatik in conjunction with BTW 2019, Rostock, Germany. Co-organizer

  • 11th Multidisciplinary Workshop on Advances in Preference Handling in conjunction with AAAI 2018, New Orleans, Lousiana, USA. Co-organizer

  • Präferenzen und Personalisierung in der Informatik in conjunction with BTW 2017, Stuttgart, Germany. Co-organizer

  • 10th Multidisciplinary Workshop on Advances in Preference Handling in conjunction with IJCAI 2016, New York City, USA. Co-organizer

  • 9th Multidisciplinary Workshop on Advances in Preference Handling in conjunction with IJCAI 2015, Buenos Aires, Argentinia. Co-organizer

  • 8th Multidisciplinary Workshop on Advances in Preference Handling in conjunction with AAAI-14, Quebec City, Canada. Co-organizer

  • 7th Multidisciplinary Workshop on Advances in Preference Handling in conjunction with IJCAI 2013, Bejing, China. Co-organizer

Organization of Workshops

Organization of Tutorials

  • Tutorium "Unsere Empfehlung für Sie: Präferenzen und Personalisierung in der Informatik", zusammen mit Andreas Pfandler von der TU Wien und Uni Siegen. Im Rahmen der Informatik 2016, 46. Jahrestagung der Gesellschaft für Informatik, 26.-30.09.2016, Klagenfurt, Österreich