Wissenschaftliche Arbeiten

Hier finden Sie von Know-Center MitarbeiterInnen verfasste wissenschaftliche Abschlussarbeiten

2018

Schaffer Robert

array(37) { ["Start"]=> string(10) "01.10.2016" ["year"]=> int(2018) ["title"]=> string(34) "Evaluation of Vote/Veto Classifier" ["Abstract de"]=> string(1289) "Authorship identification techniques are used to determine whether a document or text was written by a specific author or not. This includes discovering the rightful author from a finite list of authors for a previously unseen text or to verify if a text was written by a specific author. As digital media continues to get more important every day these techniques need to be also applied to shorter texts like emails, newsgroup posts, social media entries, forum posts and other forms of text. Especially because of the anonymity of the Internet this has become an important task. The existing Vote/Veto framework evaluated in this thesis is a system for authorship identification. The evaluation covers experiments to find reasonable settings for the framework and of course all tests to determine the accuracy and runtime of it. The same tests for accuracy and runtime have been carried out by a number of inbuilt classifiers of the existing software Weka to compare the results. All results have been written to tables and were compared to each other. In terms of accuracy Vote/Veto mostly delivered better results than Weka’s inbuilt classifiers even though the runtime was longer and more memory was necessary. Some settings provided good accuracy results with reasonable runtimes." ["AutorId"]=> string(0) "" ["author"]=> string(15) "Schaffer Robert" ["Autor_extern_Geschlecht"]=> string(9) "männlich" ["BetreuerId"]=> string(3) "102" ["Betreuer"]=> string(10) "Kern Roman" ["Option_Betreuer_extern_intern"]=> string(6) "intern" ["Betreuer_extern"]=> string(0) "" ["BetreuerAffiliation"]=> string(11) "Know-Center" ["Zweitbetreuer"]=> string(0) "" ["Zweitbetreuer1_ID"]=> string(0) "" ["Option_Zweitbetreuer1_extern_intern"]=> string(6) "intern" ["Zweitbetreuer1_extern"]=> string(0) "" ["ZweitBetreuer1Affiliation"]=> string(0) "" ["Zweitbetreuer2_ID"]=> string(0) "" ["Option_Zweitbetreuer2_extern_intern"]=> string(6) "intern" ["Zweitbetreuer2_extern"]=> string(0) "" ["ZweitBetreuer2Affiliation"]=> string(0) "" ["meta"]=> string(1) "1" ["Dont Publish"]=> string(0) "" ["Keywords"]=> string(0) "" ["Link"]=> string(0) "" ["ID"]=> string(3) "874" ["angestellt bei"]=> string(7) "Student" ["Text_intern_extern"]=> string(0) "" ["Anzahl_Wissenschaftliche_Arbeiten"]=> string(3) "118" ["Kombifeld_Autoren"]=> string(15) "Schaffer Robert" ["Kombifeld_AutorIntern_Autor_Extern_geschlecht"]=> string(9) "männlich" ["Erstelldatum"]=> string(10) "02/10/2017" ["Letzter_Aufruf"]=> string(10) "11.06.2018" ["Letzte_Änderung_Person"]=> string(10) "alangmaier" ["Wissenschaftliche Arbeiten_Art::ID"]=> string(1) "1" ["organ"]=> string(4) "Bakk" ["thesis"]=> string(4) "Bakk" }

Evaluation of Vote/Veto Classifier i

Bakk

Bakk
Authorship identification techniques are used to determine whether a document or text was written by a specific author or not. This includes discovering the rightful author from a finite list of authors for a previously unseen text or to verify if a text was written by a specific author. As digital media continues to get more important every day these techniques need to be also applied to shorter texts like emails, newsgroup posts, social media entries, forum posts and other forms of text. Especially because of the anonymity of the Internet this has become an important task. The existing Vote/Veto framework evaluated in this thesis is a system for authorship identification. The evaluation covers experiments to find reasonable settings for the framework and of course all tests to determine the accuracy and runtime of it. The same tests for accuracy and runtime have been carried out by a number of inbuilt classifiers of the existing software Weka to compare the results. All results have been written to tables and were compared to each other. In terms of accuracy Vote/Veto mostly delivered better results than Weka’s inbuilt classifiers even though the runtime was longer and more memory was necessary. Some settings provided good accuracy results with reasonable runtimes.
2018

Bruchmann Andreas

array(37) { ["Start"]=> string(10) "01.05.2017" ["year"]=> int(2018) ["title"]=> string(48) "Privacy Protection via Pseudo Relevance Feedback" ["Abstract de"]=> string(0) "" ["AutorId"]=> string(0) "" ["author"]=> string(17) "Bruchmann Andreas" ["Autor_extern_Geschlecht"]=> string(9) "männlich" ["BetreuerId"]=> string(3) "102" ["Betreuer"]=> string(10) "Kern Roman" ["Option_Betreuer_extern_intern"]=> string(6) "intern" ["Betreuer_extern"]=> string(0) "" ["BetreuerAffiliation"]=> string(11) "Know-Center" ["Zweitbetreuer"]=> string(0) "" ["Zweitbetreuer1_ID"]=> string(0) "" ["Option_Zweitbetreuer1_extern_intern"]=> string(6) "intern" ["Zweitbetreuer1_extern"]=> string(0) "" ["ZweitBetreuer1Affiliation"]=> string(0) "" ["Zweitbetreuer2_ID"]=> string(0) "" ["Option_Zweitbetreuer2_extern_intern"]=> string(6) "intern" ["Zweitbetreuer2_extern"]=> string(0) "" ["ZweitBetreuer2Affiliation"]=> string(0) "" ["meta"]=> string(1) "1" ["Dont Publish"]=> string(0) "" ["Keywords"]=> string(0) "" ["Link"]=> string(0) "" ["ID"]=> string(3) "878" ["angestellt bei"]=> string(7) "Student" ["Text_intern_extern"]=> string(0) "" ["Anzahl_Wissenschaftliche_Arbeiten"]=> string(3) "118" ["Kombifeld_Autoren"]=> string(17) "Bruchmann Andreas" ["Kombifeld_AutorIntern_Autor_Extern_geschlecht"]=> string(9) "männlich" ["Erstelldatum"]=> string(10) "02/10/2017" ["Letzter_Aufruf"]=> string(10) "11.06.2018" ["Letzte_Änderung_Person"]=> string(10) "alangmaier" ["Wissenschaftliche Arbeiten_Art::ID"]=> string(1) "1" ["organ"]=> string(4) "Bakk" ["thesis"]=> string(4) "Bakk" }

Privacy Protection via Pseudo Relevance Feedback

Bakk

Bakk
2018

Resch Sebastian

array(37) { ["Start"]=> string(10) "01.04.2017" ["year"]=> int(2018) ["title"]=> string(85) "Implementation and Evaluation of a Bookmark and History Content Search Browser Add-on" ["Abstract de"]=> string(0) "" ["AutorId"]=> string(0) "" ["author"]=> string(15) "Resch Sebastian" ["Autor_extern_Geschlecht"]=> string(9) "männlich" ["BetreuerId"]=> string(3) "102" ["Betreuer"]=> string(10) "Kern Roman" ["Option_Betreuer_extern_intern"]=> string(6) "intern" ["Betreuer_extern"]=> string(0) "" ["BetreuerAffiliation"]=> string(11) "Know-Center" ["Zweitbetreuer"]=> string(0) "" ["Zweitbetreuer1_ID"]=> string(0) "" ["Option_Zweitbetreuer1_extern_intern"]=> string(6) "intern" ["Zweitbetreuer1_extern"]=> string(0) "" ["ZweitBetreuer1Affiliation"]=> string(0) "" ["Zweitbetreuer2_ID"]=> string(0) "" ["Option_Zweitbetreuer2_extern_intern"]=> string(6) "intern" ["Zweitbetreuer2_extern"]=> string(0) "" ["ZweitBetreuer2Affiliation"]=> string(0) "" ["meta"]=> string(1) "1" ["Dont Publish"]=> string(0) "" ["Keywords"]=> string(0) "" ["Link"]=> string(0) "" ["ID"]=> string(3) "879" ["angestellt bei"]=> string(7) "Student" ["Text_intern_extern"]=> string(0) "" ["Anzahl_Wissenschaftliche_Arbeiten"]=> string(3) "118" ["Kombifeld_Autoren"]=> string(15) "Resch Sebastian" ["Kombifeld_AutorIntern_Autor_Extern_geschlecht"]=> string(9) "männlich" ["Erstelldatum"]=> string(10) "02/10/2017" ["Letzter_Aufruf"]=> string(10) "11.06.2018" ["Letzte_Änderung_Person"]=> string(10) "alangmaier" ["Wissenschaftliche Arbeiten_Art::ID"]=> string(1) "1" ["organ"]=> string(4) "Bakk" ["thesis"]=> string(4) "Bakk" }

Implementation and Evaluation of a Bookmark and History Content Search Browser Add-on

Bakk

Bakk
2018

Ziak Hermann

array(37) { ["Start"]=> string(10) "26.01.2017" ["year"]=> int(2018) ["title"]=> string(63) "Context Driven Federated Recommender in Uncooperative Settings " ["Abstract de"]=> string(2524) "Heutige Suchmaschinen sind auf den Informationsbedarf des Durchschnittsnutzers zugeschnitten. Dies führt zu dem Problem, dass wertvolle Informationsquellen, die sich auf ein Thema spezialisiert haben, unterrepräsentiert werden können, da Suchmaschinen im Allgemeinen auf die Rückgabe der beliebtesten Ergebnisse hin optimieren. Eine mögliche Lösung, um dieses Problem anzugehen, ist die Entwicklung eines Systems, das die Integration solcher Quellen in einem einzigen Framework ermöglicht; typischerweise wird es als föderierte Suchmaschine bezeichnet. Da die bloße Rückgabe aller Informationen aus allen Quellen an den Nutzer unter Umständen nicht den spezifischen Informationsbedarf des Nutzers erfüllt oder das fachspezifische Wissen über die Personalisierung des Nutzers widerspiegelt, ist eine Personalisierung erforderlich. Dies könnte durch die Anpassung von Algorithmen aus dem Bereich der Recommender Engines erreicht werden. Im Idealfall sollte ein solches System den Unterstützungsbedarf der Nutzer aus dem Kontext erkennen, ohne dass sie explizit eingreifen muss. Ausgehend von der Ausgangsfrage, wie ein solches System zu erstellen ist, das automatisch den Informationsbedarf des Nutzers erkennt und personalisierte Ergebnislisten zurückgibt, wurden vier Forschungsfragen formalisiert. Zunächst galt es, die notwendigen Mittel zu identifizieren, um Themen aus dem inhaltlichen Kontext zu extrahieren. Zweitens galt es, die Herausforderungen, die sich aus automatisch generierten Abfragen ergeben, zu identifizieren und mögliche Methoden zur Bewältigung dieser Herausforderungen zu identifizieren. Außerdem, welche Verarbeitungsschritte der Abfrage sind in dieser Einstellung von Vorteil? Drittens, ob und wie die Sammlungsdarstellung insbesondere in volatilen unkooperativen Situationen weiter optimiert werden kann. Viertens, wie die verteilte Dokumentensuche personalisiert werden kann, insbesondere wenn hochpräzise Ergebnisse von geringerer Bedeutung sind. Außerdem, welche Aggregationstechniken in diesem Umfeld von Vorteil sind. Auf der Grundlage dieser Fragen wurden insgesamt sechs Experimente durchgeführt, die in sechs Publikationen in Konferenzen und Workshops veröffentlicht wurden. Die Ergebnisse dieser Arbeit zeigen, dass der Rahmen einer föderierten Suchmaschine in Richtung eines föderierten Empfehlungssystems geändert werden kann, das es erlaubt, Artikel zu empfehlen. automatisch an die Nutzer, zugeschnitten auf den Informationsbedarf und den Kontext des Nutzers." ["AutorId"]=> string(3) "142" ["author"]=> string(0) "" ["Autor_extern_Geschlecht"]=> string(0) "" ["BetreuerId"]=> string(3) "102" ["Betreuer"]=> string(10) "Kern Roman" ["Option_Betreuer_extern_intern"]=> string(6) "intern" ["Betreuer_extern"]=> string(0) "" ["BetreuerAffiliation"]=> string(11) "Know-Center" ["Zweitbetreuer"]=> string(0) "" ["Zweitbetreuer1_ID"]=> string(0) "" ["Option_Zweitbetreuer1_extern_intern"]=> string(6) "intern" ["Zweitbetreuer1_extern"]=> string(0) "" ["ZweitBetreuer1Affiliation"]=> string(0) "" ["Zweitbetreuer2_ID"]=> string(0) "" ["Option_Zweitbetreuer2_extern_intern"]=> string(6) "intern" ["Zweitbetreuer2_extern"]=> string(0) "" ["ZweitBetreuer2Affiliation"]=> string(0) "" ["meta"]=> string(1) "2" ["Dont Publish"]=> string(0) "" ["Keywords"]=> string(30) "Federated Recommender Engines " ["Link"]=> string(0) "" ["ID"]=> string(3) "881" ["angestellt bei"]=> string(2) "KC" ["Text_intern_extern"]=> string(2) "KC" ["Anzahl_Wissenschaftliche_Arbeiten"]=> string(3) "118" ["Kombifeld_Autoren"]=> string(12) "Ziak Hermann" ["Kombifeld_AutorIntern_Autor_Extern_geschlecht"]=> string(9) "männlich" ["Erstelldatum"]=> string(10) "02/10/2017" ["Letzter_Aufruf"]=> string(10) "26.04.2018" ["Letzte_Änderung_Person"]=> string(5) "rkern" ["Wissenschaftliche Arbeiten_Art::ID"]=> string(1) "2" ["organ"]=> string(6) "Master" ["thesis"]=> string(6) "Master" }

Context Driven Federated Recommender in Uncooperative Settings i

Master

Master
Heutige Suchmaschinen sind auf den Informationsbedarf des Durchschnittsnutzers zugeschnitten. Dies führt zu dem Problem, dass wertvolle Informationsquellen, die sich auf ein Thema spezialisiert haben, unterrepräsentiert werden können, da Suchmaschinen im Allgemeinen auf die Rückgabe der beliebtesten Ergebnisse hin optimieren. Eine mögliche Lösung, um dieses Problem anzugehen, ist die Entwicklung eines Systems, das die Integration solcher Quellen in einem einzigen Framework ermöglicht; typischerweise wird es als föderierte Suchmaschine bezeichnet. Da die bloße Rückgabe aller Informationen aus allen Quellen an den Nutzer unter Umständen nicht den spezifischen Informationsbedarf des Nutzers erfüllt oder das fachspezifische Wissen über die Personalisierung des Nutzers widerspiegelt, ist eine Personalisierung erforderlich. Dies könnte durch die Anpassung von Algorithmen aus dem Bereich der Recommender Engines erreicht werden. Im Idealfall sollte ein solches System den Unterstützungsbedarf der Nutzer aus dem Kontext erkennen, ohne dass sie explizit eingreifen muss. Ausgehend von der Ausgangsfrage, wie ein solches System zu erstellen ist, das automatisch den Informationsbedarf des Nutzers erkennt und personalisierte Ergebnislisten zurückgibt, wurden vier Forschungsfragen formalisiert. Zunächst galt es, die notwendigen Mittel zu identifizieren, um Themen aus dem inhaltlichen Kontext zu extrahieren. Zweitens galt es, die Herausforderungen, die sich aus automatisch generierten Abfragen ergeben, zu identifizieren und mögliche Methoden zur Bewältigung dieser Herausforderungen zu identifizieren. Außerdem, welche Verarbeitungsschritte der Abfrage sind in dieser Einstellung von Vorteil? Drittens, ob und wie die Sammlungsdarstellung insbesondere in volatilen unkooperativen Situationen weiter optimiert werden kann. Viertens, wie die verteilte Dokumentensuche personalisiert werden kann, insbesondere wenn hochpräzise Ergebnisse von geringerer Bedeutung sind. Außerdem, welche Aggregationstechniken in diesem Umfeld von Vorteil sind. Auf der Grundlage dieser Fragen wurden insgesamt sechs Experimente durchgeführt, die in sechs Publikationen in Konferenzen und Workshops veröffentlicht wurden. Die Ergebnisse dieser Arbeit zeigen, dass der Rahmen einer föderierten Suchmaschine in Richtung eines föderierten Empfehlungssystems geändert werden kann, das es erlaubt, Artikel zu empfehlen. automatisch an die Nutzer, zugeschnitten auf den Informationsbedarf und den Kontext des Nutzers.
2018

Anthofer Daniel

array(37) { ["Start"]=> string(10) "20.02.2017" ["year"]=> int(2018) ["title"]=> string(65) "A Neural Network for Open Information Extraction from German Text" ["Abstract de"]=> string(1148) "Systems that extract information from natural language texts usually need to consider language-dependent aspects like vocabulary and grammar. Compared to the development of individual systems for different languages, development of multilingual information extraction (IE) systems has the potential to reduce cost and effort. One path towards IE from different languages is to port an IE system from one language to another. PropsDE is an open IE (OIE) system that has been ported from the English system PropS to the German language. There are only few OIE methods for German available. Our goal is to develop a neural network that mimics the rules of an existing rule-based OIE system. For that, we need to learn about OIE from German text. By performing an analysis and a comparison of the rule-based systems PropS and PropsDE, we can observe a step towards multilinguality, and we learn about German OIE. Then we present a deep-learning based OIE system for German, which mimics the behaviour of PropsDE. The precision in directly imitating PropsDE is 28.1%. Our model produces many extractions that appear promising, but are not fully correct." ["AutorId"]=> string(0) "" ["author"]=> string(15) "Anthofer Daniel" ["Autor_extern_Geschlecht"]=> string(9) "männlich" ["BetreuerId"]=> string(3) "102" ["Betreuer"]=> string(10) "Kern Roman" ["Option_Betreuer_extern_intern"]=> string(6) "intern" ["Betreuer_extern"]=> string(0) "" ["BetreuerAffiliation"]=> string(11) "Know-Center" ["Zweitbetreuer"]=> string(13) "Kröll Mark; " ["Zweitbetreuer1_ID"]=> string(3) "108" ["Option_Zweitbetreuer1_extern_intern"]=> string(6) "intern" ["Zweitbetreuer1_extern"]=> string(0) "" ["ZweitBetreuer1Affiliation"]=> string(11) "Know-Center" ["Zweitbetreuer2_ID"]=> string(0) "" ["Option_Zweitbetreuer2_extern_intern"]=> string(6) "intern" ["Zweitbetreuer2_extern"]=> string(0) "" ["ZweitBetreuer2Affiliation"]=> string(0) "" ["meta"]=> string(1) "2" ["Dont Publish"]=> string(0) "" ["Keywords"]=> string(86) "Open Information Extraction; Neuronale Netze; Text Mining; Data Science; Deep Learning" ["Link"]=> string(0) "" ["ID"]=> string(3) "888" ["angestellt bei"]=> string(7) "Student" ["Text_intern_extern"]=> string(0) "" ["Anzahl_Wissenschaftliche_Arbeiten"]=> string(3) "118" ["Kombifeld_Autoren"]=> string(15) "Anthofer Daniel" ["Kombifeld_AutorIntern_Autor_Extern_geschlecht"]=> string(9) "männlich" ["Erstelldatum"]=> string(10) "19/10/2017" ["Letzter_Aufruf"]=> string(10) "05.04.2018" ["Letzte_Änderung_Person"]=> string(14) "dhinterleitner" ["Wissenschaftliche Arbeiten_Art::ID"]=> string(1) "2" ["organ"]=> string(6) "Master" ["thesis"]=> string(6) "Master" }

A Neural Network for Open Information Extraction from German Text i

Master

Master
Systems that extract information from natural language texts usually need to consider language-dependent aspects like vocabulary and grammar. Compared to the development of individual systems for different languages, development of multilingual information extraction (IE) systems has the potential to reduce cost and effort. One path towards IE from different languages is to port an IE system from one language to another. PropsDE is an open IE (OIE) system that has been ported from the English system PropS to the German language. There are only few OIE methods for German available. Our goal is to develop a neural network that mimics the rules of an existing rule-based OIE system. For that, we need to learn about OIE from German text. By performing an analysis and a comparison of the rule-based systems PropS and PropsDE, we can observe a step towards multilinguality, and we learn about German OIE. Then we present a deep-learning based OIE system for German, which mimics the behaviour of PropsDE. The precision in directly imitating PropsDE is 28.1%. Our model produces many extractions that appear promising, but are not fully correct.
2018

Leitner Lorenz

array(37) { ["Start"]=> string(10) "01.04.2017" ["year"]=> int(2018) ["title"]=> string(85) "Implementation and Evaluation of a Bookmark and History Content Search Browser Add-on" ["Abstract de"]=> string(0) "" ["AutorId"]=> string(0) "" ["author"]=> string(14) "Leitner Lorenz" ["Autor_extern_Geschlecht"]=> string(9) "männlich" ["BetreuerId"]=> string(3) "102" ["Betreuer"]=> string(10) "Kern Roman" ["Option_Betreuer_extern_intern"]=> string(6) "intern" ["Betreuer_extern"]=> string(0) "" ["BetreuerAffiliation"]=> string(11) "Know-Center" ["Zweitbetreuer"]=> string(0) "" ["Zweitbetreuer1_ID"]=> string(0) "" ["Option_Zweitbetreuer1_extern_intern"]=> string(6) "intern" ["Zweitbetreuer1_extern"]=> string(0) "" ["ZweitBetreuer1Affiliation"]=> string(0) "" ["Zweitbetreuer2_ID"]=> string(0) "" ["Option_Zweitbetreuer2_extern_intern"]=> string(6) "intern" ["Zweitbetreuer2_extern"]=> string(0) "" ["ZweitBetreuer2Affiliation"]=> string(0) "" ["meta"]=> string(1) "1" ["Dont Publish"]=> string(0) "" ["Keywords"]=> string(0) "" ["Link"]=> string(0) "" ["ID"]=> string(3) "917" ["angestellt bei"]=> string(7) "Student" ["Text_intern_extern"]=> string(0) "" ["Anzahl_Wissenschaftliche_Arbeiten"]=> string(3) "118" ["Kombifeld_Autoren"]=> string(14) "Leitner Lorenz" ["Kombifeld_AutorIntern_Autor_Extern_geschlecht"]=> string(9) "männlich" ["Erstelldatum"]=> string(10) "16/02/2018" ["Letzter_Aufruf"]=> string(10) "09.07.2018" ["Letzte_Änderung_Person"]=> string(14) "dhinterleitner" ["Wissenschaftliche Arbeiten_Art::ID"]=> string(1) "1" ["organ"]=> string(4) "Bakk" ["thesis"]=> string(4) "Bakk" }

Implementation and Evaluation of a Bookmark and History Content Search Browser Add-on

Bakk

Bakk
Kontakt Karriere

Hiermit erkläre ich ausdrücklich meine Einwilligung zum Einsatz und zur Speicherung von Cookies. Weiter Informationen finden sich unter Datenschutzerklärung

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close