Laufende Promotionen

Sarah Piepkorn: Angaben zum verbalen Aspekt in einem patternbasierten elektronischen Wörterbuch – Datenbeschaffung, Präsentation und Wirksamkeit bei fortgeschrittenen Lernenden

Das Dissertationsvorhaben beschäftigt sich mit der Frage, wie der verbale Aspekt der einzelnen Lesarten von Verben ermittelt und in einem einsprachigen elektronischen Lernerwörterbuch für die Sprachproduktion fortgeschrittener Fremdsprachenlernender optimal dargestellt werden kann.

Eine Beschreibung findet sich auf der Seite des Promotionskollegs Unterrichtsforschung.

Johannes Schäfer: Integrating explicit knowledge into neural NLP methods for short text classification. Hate speech in social media as a case in point

The underlying motivation is to integrate acquired knowledge about a specific task into state-of-the-art neural classification approaches. In the experiments, mostly the hate speech detection task is investigated.

Wiebke Thode: Integration von Abbildungen in den Patentretrievalprozess

Bilder in Patenten stellen die abstrakte Verbildlichung der angemeldeten Erfindung dar und verdeutlichen so den Inhalt einer Erfindung. Aus dem Text lässt sich der Neuigkeitswert der Erfindung nur schwer erschließen, vor allem bedingt durch die besondere Textform geprägt durch Neologismen und inkonsistente Verwendung der Terminologie. In bestehenden Patentsystemen bildet der Text allerdings die Grundlage für das gesamte Retrieval, da die Eigenschaften der Abbildungen den gesamten Retrievalprozess erschweren.

Der Ansatz der Arbeit ist es ein prototypisches System/prototypische Funktionalitäten zu entwickeln, welche anhand der Anforderungen der Nutzer ermittelt wurden. Dieses System verfolgt den multimodalen Ansatz der Kombination von Bildern und Text. Ziel ist unter anderem die Ermittlung einer möglichst optimalen Darstellung der Ergebnisse und  eine bessere Usability durch die Anpassung der Systemeigenschaften an den Nutzer zu erreichen.

Noushin Fadaei: Interactive Technology Trend Detection

Recognizing the emergence of new trends in technology comprises an invaluable competitive edge for industrial companies. A natural candidate to extract this information is given by patent databases, which by their very nature collect recent activities of major research and development departments. In order to identify trends within a patent collection, we need to organize the data into clusters in particular with respect to time. This paper sketches a plan that aims to find uptrends among the time-series obtained through clusters. It also refers to the clusters to further analyze the type of the identified trend. Since the type of trends or the reason behind their creation is highly dependent on the search constructor’s perceptive, the proposed system offers interactive solutions at some steps of the process. The patent data used in this work is fed entirely by the European Patent Fulltext (EPFULL) provided by FIZ Karlsruhe.