Neue Wahrscheinlichkeitsmodelle und Inferenz-Techniken für Kontextinformationen im World Wide Web

dc.contributor.author	Kling, Christoph
dc.contributor.editor	Hölldobler, Steffen
dc.date.accessioned	2019-01-23T14:30:38Z
dc.date.available	2019-01-23T14:30:38Z
dc.date.issued	2017
dc.description.abstract	Thema meiner Dissertation ist die Erkennung von Mustern in Web-Dokumenten mit Metadaten. Schwerpunkt der Arbeit sind sogenannte Topic Models. Mithilfe von Topic Models können automatisch Themen in großen Dokumentensammlungen erkannt werden. Dokumente aus dem Web sind oft mit Metadaten wie etwa Zeitstempeln versehen, die den Kontext beschreiben, in denen diese erstellt wurden. Diese Kontextinformationen können die Themen-Erkennung durch Topic Models verbessern oder sogar erst ermöglichen. Außerdem erlauben sie die Analyse von Zusammenhängen zwischen Kontext und Themen, etwa an welchen Orten welche Themen populär sind.	de
dc.identifier.isbn	978-3-88579-976-4
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/19933
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik e.V.
dc.relation.ispartof	Ausgezeichnete Informatikdissertationen 2016
dc.relation.ispartofseries	Lecture Notes in Informatics (LNI) - Proceedings, Volume D-17
dc.title	Neue Wahrscheinlichkeitsmodelle und Inferenz-Techniken für Kontextinformationen im World Wide Web	de
dc.type	Text/Conference Paper
gi.citation.endPage	158
gi.citation.publisherPlace	Bonn
gi.citation.startPage	149
gi.conference.date	21.-24. Mai 2017
gi.conference.location	Schoss Dagstuhl, Deutschland

Dateien

1 - 1 von 1