Raschke, TimoKonert, Johannes2021-01-062021-01-062020https://dl.gi.de/handle/20.500.12116/34573Um Kompetenzen von Personen zu verwalten, werden für gewöhnlich Kompetenzbeschreibungen in menschlicher Sprache verwendet. Soll nun eine semantische Katalogisierung und Organisation mittels dieser Daten erfolgen, so empfiehlt sich eine Konvertierung in semantische Datensätze. Es, wurde ein Ansatz entwickelt, um deutschsprachige, semantische Kompetenztripel bestehend aus Kompetenzverb, Objekt und Kontext am Beispiel von Fließtext-Modulbeschreibungen aus der Hochschullehre (im konkreten Falle der Beuth Hochschule für Technik Berlin) mittels aktueller Lösungsansätze des Forschungsgebiets Natural Language Processing zu extrahieren. Es werden Konstituenzparsing, Dependenzparsing und Sematinc Role Labelling anhand ihrer Eignung verglichen und erste Ergebnisse anhand eines entwickelten Entwurfs und ein daraus resultierender Prototyp präsentiert. Die Ergebnisse zeigen, dass die Kompetenzextraktion mit einem F1-Maß von bis zu 70,1 % auf Basis von Dependenzparsing möglich ist. Durch die Ergebnisse dieser Arbeit wird eine Grundlage für die weitere Verwendung von semantischen Kompetenzbeschreibungen für eine Vielzahl anderer Anwendungsgebiete geschaffen, zum Beispiel Ähnlichkeitsberechnungen von Hochschulkursen oder die Erstellung von Abhängigkeitsgraphen für Kurse eines Studiengangs.deNatural Language ProcessingDependenzparsingKompetenzextraktionSemantikText/Conference Paper10.18420/delfi2020-ws-110