Logo des Repositoriums

Auflistung nach Schlagwort "Word Embeddings"

1 - 3 von 3
  • Textdokument
    Einsatz kognitiver Verfahren am Deutschen Patent- und Markenamt
    (BTW 2019, 2019) Reinke, Mark; Kischkel, André; Jahns, Volker; Crenze, Uwe; Beltcheva, Olga
    Die Begutachtung von Patentanträgen ist ein aufwändiger Prüfprozess, dessen Ziel es ist, eine Entgegenhaltung zu finden. Dabei stellt die Verschleierung des Patentanspruchs durch gezielte Umschreibungen eine große Herausforderung dar. In enger Zusammenarbeit zwischen dem Deutschen Patent-und Markenamt und der interface projects GmbH entstand ein modernes Recherche-und Klassifikationssystem auf Basis von durch neuronale Netze gelernten Distributed Word Embeddings. Der Beitrag stellt verschiedene Verfahren zum Lernen von Word Embeddings vor und bewertet diese hinsichtlich ihrer Eignung für die Prüfung von Patentanmeldungen.
  • Conference Paper 
    Themenübergreifende Diskursklassifikation auf Basis von Word Embeddings und Sequenzfeatures
    (DELFI 2019, 2019) Steuer, Tim; Rensing, Christoph
    Zur Beobachtung von kollaborativen Lernprozessen ist Diskursanalyse ein hilfreiches Werkzeug. Dazu wird der Textkorpus von Annotatoren händisch segmentiert und die Segmente nach ihrer Funktion klassifiziert. Dies ist zeitaufwendig und kostspielig. Automatische Modelle versprechen Zeitersparnis sowie Echtzeitanalysen des Diskurses. Diese könnten direktes Feedback, beispielsweise durch Visualisierungen, an die Lernenden ermöglichen. Automatische Modelle benötigen jedoch manuell annotierte Trainingsdaten. Außerdem sind sie meist vom Diskursvokabular abhängig und generalisieren schlecht über Themengrenzen hinweg. Die dadurch notwendige, häufige Neuerstellung von Trainingskorpora, verringert die Zeitersparnis durch Automatisierung und macht Echtzeit Analyse unmöglich. In dieser Arbeit wird ein Klassifikationsverfahren basierend auf Word Embeddings und Sequenz Features vorgestellt, welches vier Arten von Diskurssegmenten unterscheidet. Das Verfahren erreicht gute Evaluationsergebnisse, mit einer besseren Klassifikationsgüte als Verfahren aus verwandten Arbeiten (Cohens > 0.7). Außerdem generalisiert das Verfahren, auf dem Korpus, ohne weiteres Training von einem Themengebiet auf ein anderes. Dies würde die Notwendigkeit von themenspezifischen Trainingskorpora stark verringern.
  • Textdokument
    WS34 - Deep Learning in heterogenen Datenbeständen
    (INFORMATIK 2017, 2017) Kowerko, Danny; Kahl, Stefan
    Deep learning techniques, especially artificial neural networks, have become irreplaceable in almost every aspect of modern information science. Breakthrough technologies evolve rapidly, driven by researchers with both, scientific and economic backgrounds. This workshop is a platform for students, post-docs, innovative enterprises and experts from Germany who present their latest works and demo applications. Recent advanced in the field of deep learning and their impact on research projects and economic endeavors are at the center of submitted papers and presentations. An active debate focusing on current work-in-progress, future research as well as chances and opportunities of deep learning is complemented by the discussion regarding the generation, processing and publishing of large heterogeneous datasets for research purposes. The presented contributions span a wide variety of deep learning applications – from robotics to audio and text retrieval, from human pose estimation to medical data processing. This not only demonstrates how important deep learning techniques have become for almost every area of research, it also shows the importance of scientific transparency.Without the efforts of countless researchers around the globe who published their work and complemented it with code repositories and extensive documentation, some of the presented applications could not have been implemented. This reminds us: An active deep learning community is vital for the success of innovative data processing routines and with that, forms the foundation of a steady evolution powered by scientific research. We would like to thank everyone who participated in this workshop, especially the authors and presenters who contributed to the success of this novel format.