Logo des Repositoriums

Auflistung nach Schlagwort "BERT"

1 - 2 von 2
  • Konferenzbeitrag
    Extrahierung von Anforderungen aus natürlich-sprachlichen Lastenheften: Was erschwert eine KI-basierte Extrahierung?
    (Softwaretechnik-Trends Band 42, Heft 1, 2022) Gräßler, Iris; Preuß, Daniel; Pottebaum, Jens
    Bei der Entwicklung komplexer technischer Systeme werden ca. 80 % der Benutzeranforderungen in natürlich-sprachlichen Anforderungsdokumenten dokumentiert. In der Software-Entwicklung werden Techniken des Natural Language Processing (NLP) für Requirements Engineering-Aufgaben angewendet, z. B. für die Extrahierung von Anforderungen aus Lastenheften. Ansätze existieren auch für die KI-basierte Extrahierung von Anforderungen. Hintergrund des Beitrags ist unter anderem ein Ansatz, in dem Text-Segmentierung und Klassifizierung durch Ansätze des maschinellen Lernens angewendet wurden. Auf Basis eines Vergleichs mit LSTM- und BERT-Modellen wurde im Beispiel eine Support Vector Machine eingesetzt. Ziel dieses Beitrags ist es, Aspekte aufzuzeigen, die eine KI-basierte Extrahierung erschweren. Zukünftige Ansätze zur KI-basierten Extrahierung von Anforderungen aus Lastenheften können diese Aspekte systematisch adressieren.
  • Konferenzbeitrag
    Textual Descriptions Used for Classification of Oaked vs Unoaked Wines
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Böck, Ronald; Venkateswaran, Siddarth; Nguyen, Thi; Durner, Dominik
    Winemaking and grapegrowing are sciences with a long tradition dealing with one of the most complex beverages in the world. This complexity stems from the winemaking process itself as well as the characteristics of the final product. Wine’s aroma is often described through scalar assessments, though here we are focusing on textual descriptions, transferring methods from the natural language processing (NLP) community to the wine domain, in particular to analyse the statements of human panellists. Textual descriptions were used for the classification of oaked versus unoaked wines as an initial demonstration of NLP in the wine domain. We achieved significant discrimination results of 0.79 F1-score comparing BERT and Naïve Bayes classifiers. This shows that more natural textual (and potentially spoken) descriptions of wine, being later combined with classical scalar assessments, can provide more flexibility to human panellists.