Präsentation. Bachelorarbeit: A keyword translator for Broccoli. Iradj Solouk
|
|
- Katja Kranz
- vor 5 Jahren
- Abrufe
Transkript
1 Präsentation Bachelorarbeit: A keyword translator for Broccoli Iradj Solouk
2 Übersicht Einleitung Algorithmus Evaluation Verfeinerung 2
3 Übersicht Einleitung Motivation Definition Algorithmus Evaluation Verfeinerung 3
4 Motivation Manuelle Erstellung einer Query Wissen über Suchelemente nötig Klasse Instanz Relation Text Inkrementell Vokabular Benutzerfreundlichkeit 4
5 Definition Systemkomponente im/am UI Benutzer Keyword Translator Input = Benutzereingabe Output = (interne) Query/Query Tree Kommunikation mit Backend Backend 5
6 Definition Interpretation der Benutzereingabe Kontext Natürliche Sprachverarbeitung (Stanford)POS tagging (Princeton)WordNet 6
7 Übersicht Einleitung Algorithmus - Instance As Root - Class As Root Evaluation Verfeinerung 7
8 Instance As Root Beispiele Angela Merkel Spouse Mississippi River Length Angabe der Klasse fehlt Backend 8
9 Instance As Root Vorgehen Eingabe Angela Merkel Spouse Instanzen suchen Relation suchen Prüfen Angela Merkel Angela Merkel Spouse Spouse 9
10 Instance As Root Eigenschaften kein semantisches Abbilden Instance As Root in Class As Root konvertieren Angela Merkel Spouse Person Spouse Angela Merkel 10
11 Class As Root Angabe der Relation kann fehlen - Movie by Stephen Chbosky - Apollo Astronauts Indikator für Relation Football player with a tallness of >1.65 and who was born >1965 and has the forward position 11
12 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch 12
13 Class As Root Finde Subjekt mithilfe von POS tagging Stringmatching Wenn ausreichend Klasse gefunden sonst: Verwendung alternativer Ausdrücke (Hypernyme, Synonyme) Movie by Stephen Chbosky 13
14 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch 14
15 Class As Root Füllwörter werden gefiltert Für jedes übrig gebliebene Eingabewort werden Semantisch verwandte Ausdrücke gesammelt (WordNet) Fiktives Beispiel Tiere welche Mäuse fressen 15
16 Class As Root Tier welche Mäuse fressen Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen 16
17 Class As Root Tier Mäuse fressen Nahrung Verwandt mit Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen Prüfe Stringmatching dieser Ausdrücke mit den Relationen der Wurzelklasse 17
18 Class As Root Tier Mäuse fressen Nahrung Verwandt mit Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen Prüfe Stringmatching dieser Ausdrücke mit den Relationen der Wurzelklasse Merke wahrscheinlichere Relationen Umliegende Worte auf Instanz abbilden 18
19 Class As Root Tiere Mäuse fressen Nahrung Verwandt mit Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen Prüfe Stringmatching dieser Ausdrücke mit den Relationen der Wurzelklasse Merke wahrscheinlichere Relationen Umliegende Worte auf Instanz abbilden 19
20 Class As Root Tiere Nahrung Mäuse Football player with a tallness of >1.65 and who was born >1965 and has the forward position 20
21 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch Instanzerkennung 21
22 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch Instanzerkennung Inferenz von Relationen 22
23 Class As Root Einstufig Für jede gefundene Instanz: finde eine Relation, welche die Wurzelklasse und die Instanz verbinden Zweistufig Für jede gefundene Instanz: finde ein paar von Relationen, welche die Wurzelklasse und die Instanz miteinander verbinden Apollo Astronauts 23
24 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch Instanzerkennung Inferenz von Relationen 24
25 Class As Root Textsuchelement anhängen Eigenschaften Mehrere Übersetzungen semantisches Abbilden 25
26 Übersicht Einleitung Algorithmus Evaluation Aufbau Ergebnis Verfeinerung 26
27 Aufbau SemSearch Benchmark 50 Queries Ground Truth = Manuelle Queries 42 Queries Maß: Ähnlichkeit der Hits Optimal Ausreichend Ungenügend 27
28 Ergebnis 42 Queries Optimal 14 Ausreichend 7 Ungenügend 21 28
29 Ergebnis Positiv übersetzt Apollo Astronauts who walked on the moon Boroughs of New York City Did Nicole Kidman have any siblings? Gods who dwelt on Mount Olypmpus Movies starring Erykah Badu 29
30 Ergebnis Ungenügend übersetzt Axis powers of World War II Branches of the US military Henry II s brothers and sisters Hijackers in the september 11 attacks Houses of the russian parliament 30
31 Übersicht Einleitung Algorithmus Evaluation Verfeinerung Zusammenfassung 31
32 Verfeinerung Natürliche Sprachverarbeitung Subjekt bestimmen Komplexe Queries Compositions composed by someone who had no children Relationen durch semantisches Abbilden bei Instance As Root-Queries finden Henry II s brothers and sisters 32
33 Verfeinerung Ontology Feedback Abstrakte Klasse einstellen Text Suchelement verwenden um auf eigentliche Klasse zu schliessen Wonders of the ancient World 33
34 Vielen Dank für Ihre Aufmerksamkeit 34
Ivana Daskalovska. Willkommen zur Übung Einführung in die Computerlinguistik. Semantik. Sarah Bosch,
Ivana Daskalovska Willkommen zur Übung Einführung in die Computerlinguistik Semantik Wiederholung Was ist die Semantik und womit beschäftigt sie sich? 3 Was ist die Semantik und womit beschäftigt sie sich?
MehrLexikalisch-semantische Disambiguierung mit WordNet
Lexikalische Semantik Lexikalisch-semantische Disambiguierung mit WordNet Conrad Steffens Paper: Rada Mihalcea & Dan I. Moldovan: A Method for Word Sense Disambiguation of Unrestricted Text Lexikalisch-semantische
MehrGleiche Daten, unterschiedliche Erkenntnisziele?
Gleiche Daten, unterschiedliche Erkenntnisziele? Zum Potential vermeintlich widersprüchlicher Zugänge zur Textanalyse Universität Hamburg Evelyn Gius Jan Christoph Meister Janina Jacke Marco Petris Universität
Mehrlet, have, make Arbeitsblätter zum Ausdrucken von sofatutor.com
Arbeitsblätter zum Ausdrucken von sofatutor.com let, have, make 2 Vervollständige die Sätze mit let, have oder make. 3 Bestimme, in welchen Sätzen let, have und make richtig angewendet wurden. 4 Erläutere,
MehrDeutsch Synonyme Worterbuch
Deutsch Synonyme Worterbuch 1 / 6 2 / 6 3 / 6 Deutsch Synonyme Worterbuch Synonyme in Deutschlands bestem Synonym-Wörterbuch finden 680492 Synonyme online Ähnliche Bedeutungen & sinnverwandte Wörter Wie
Mehr(Bamberg)
Konzeption eines Frameworks für die Evaluation von Tag-Suggestion-Algorithmen Martin Garbe Steffen Oldenburg Lukas Zielinski Prof. Dr. Clemens Cap (Universität Rostock) 08.05.2008 (Bamberg) Übersicht Tags
MehrSemantische Suche in Zeitungsartikeln
6. Oktober 2011 1 2 3 4 5 6 Motivation Ziel Teilaufgaben Im Internet finden sich viele Nachrichtenseiten Für die Suche auf diesen Seiten wird meißt Volltextsuche verwendet Suche nach Vorkommen der Suchbegriffe
MehrBachelorarbeit: Wissensbasierte Identifikation von Wertebereichen einer aktiven Ontologie
Bachelorarbeit: Wissensbasierte Identifikation von Wertebereichen einer aktiven Ontologie Yauhen Makhotsin, betreut von Martin Blersch IPD Tichy, Fakultät für Informatik 1 29.09.2017 KIT - Wissensbasierte
MehrTeil 2.2: Lernen formaler Sprachen: Hypothesenräume
Theorie des Algorithmischen Lernens Sommersemester 2006 Teil 2.2: Lernen formaler Sprachen: Hypothesenräume Version 1.1 Gliederung der LV Teil 1: Motivation 1. Was ist Lernen 2. Das Szenario der Induktiven
MehrAnwendung von Vektormodell und boolschem Modell in Kombination
Anwendung von Vektormodell und boolschem Modell in Kombination Julia Kreutzer Seminar Information Retrieval Institut für Computerlinguistik Universität Heidelberg 12.01.2015 Motivation Welche Filme sind
MehrSeminar Sicherheit und Softwareengineering WS 2013 / Isabell Kullack FEHLERANALYSE VON REQUIREMENTS DOCUMENTS
Isabell Kullack FEHLERANALYSE VON REQUIREMENTS DOCUMENTS Requirements Documents Was sind Requirements Documents? Anforderungsdokumente in industriellen Software-Projekten Häufig in natürlicher Sprache
MehrGoogle Knowledge Graph. Kursfolien Teil 2. Karin Haenelt
Google Knowledge Graph Kursfolien Teil 2 Karin Haenelt 1.8.2015 Themen Systemübersicht Datengraph Aufbau Modellierung Auswertungen des Datengraphen Aufschlussreiche Beziehungen Retrievalbeispiele 2 Google
MehrKomplexe Sätze im Chinesischen und im Deutschen
Annie Shue Komplexe Sätze im Chinesischen und im Deutschen iudieium I Inhalt 1. Einleitung 1 2. Abgrenzung und Vergleichbarkeit der komplexen Sätze im Chinesischen und im Deutschen 8 2.1. Möglichkeit und
Mehrnetcim Boot-Stick erstellen Version 1.0 ( ) Netree AG CH-4658 Däniken
Boot-Stick erstellen Version 1.0 (13.07.2016) Netree AG CH-4658 Däniken +41 62 288 74 74 info@netcim.ch www.netcim.ch Published by Netree AG http://www.netree.ch Copyright 2016 by Netree AG All rights
MehrSemantic Web. RDF, RDFS, OWL, and Ontology Engineering. F. Abel, N. Henze, and D. Krause 17.12.2009. IVS Semantic Web Group
Semantic Web RDF, RDFS, OWL, and Ontology Engineering F. Abel, N. Henze, and D. Krause IVS Semantic Web Group 17.12.2009 Exercise 1: RDFS OWL Erstellen Sie mit Hilfe von RDF Schema und OWL eine Ontologie
MehrStudienprojekt TaxoSearch Spezifikation
Studienprojekt TaxoSearch Spezifikation Semantisch gestützte Suche im Internet Lehrstuhl für Computerlinguistik Ruprecht-Karls-Universität Heidelberg WS 2002-2003 vorgestellt von Thorsten Beinhorn, Vesna
MehrAutomatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen
Automatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen Mark Reinke Bachelorarbeit TU Dresden 17. Februar 2014 Webtabellen Warum sind Webtabellen von Bedeutung? Sie können relationale
MehrSimullda. Structured Interlingua MultiLingual Lexical Database Application. Sonja Weber
Simullda Structured Interlingua MultiLingual Lexical Database Application Sonja Weber 1 Gliederung Background Begriffsklärung Multilinguale Datenbanken WordNet Maschinelle Übersetzung Formale Begriffsanalyse
MehrLearning regular sets from queries and counterexamples
Learning regular sets from queries and countereamples Seminar: Spezialthemen der Verifikation H.-Christian Estler estler@upb.de 7..28 Universität Paderborn Motivation Wie können wir Unbekanntes erlernen?
MehrManual / Bedienungsanleitung Online Market data Survey Online-Eingabe Marktdaten
L:\PMH\MRKT\proj\marktinformationen\conf\Marktinformationen\Projekt Marktanalyse 2013\Angebote Online Befragung\Manual-Anleitung-Onlineform.doc Manual / Bedienungsanleitung Online Market data Survey Online-Eingabe
MehrInhaltsverzeichnis. Geleitwort. Abbildungsverzeichnis. Tabellenverzeichnis. Abkürzungsverzeichnis. Symbolverzeichnis
Inhaltsverzeichnis Geleitwort Vorwort Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbolverzeichnis i iü xi xiii xv xvii 1 Einleitung 1 1.1 Problemstellung 1 1.2 Zielsetzung der Arbeit
MehrRDF-S3 und erql: RDF-Technologien für Informationsportale. Karsten Tolle und Fabian Wleklinski
RDF-S3 und erql: RDF-Technologien für Informationsportale Karsten Tolle und Fabian Wleklinski Inhalt Speicherung: RDF Source related Storage System (RDF-S3) Anfrage: easy RDF Query Language (erql) Darstellung
MehrPrepositional Verbs mit mehreren Bedeutungen
Arbeitsblätter zum Ausdrucken von sofatutor.com Prepositional Verbs mit mehreren Bedeutungen Arbeite heraus, welche präpositionalen Verben hier verwendet wurden. 2 Ergänze die Beispielsätze mit der passenden
MehrVererbung P rogram m ieren 2 F örster/r iedham m er K apitel 11: V ererbung 1
Vererbung 1 11.1 Motivation und Begriffsdefinitionen 11.2 Vorgehensweise und Implementierung 11.3 Arten von Vererbung 11.4 Konstruktoren 11.5 Abstrakte Klasse 11.6 Verschattung 11.7 Wurzelklasse Object
MehrEinführung in NLP mit Deep Learning
Einführung in NLP mit Deep Learning Hans-Peter Zorn Minds mastering Machines, Köln, 26.4.2018 NLP ist auf einmal überall Zusammenfassung aggregated reviews Dokumentklassifikation Übersetzung Dialogsysteme
MehrZur Erstellung des Projektberichts u. a. wissenschaftlicher Arbeiten
Zur Erstellung des Projektberichts u. a. wissenschaftlicher Arbeiten Tilman Vierhuff 4. Februar 2005 2 Zweck und Ziele des Projektberichts 2 Zweck und Ziele des Projektberichts Bewertungsgrundlage 2 Zweck
MehrKapitel 1 Einleitung. Definition: Algorithmus nach M. Broy: aus: Informatik: Eine grundlegende Einführung, Band 1, Springer-Verlag, Berlin
Kapitel 1 Einleitung 1.1. Begriff des Algorithmus Eine der ältesten Beschreibungstechniken für Abläufe: Benannt nach dem Mathematiker Al-Khwarizmi (ca. 780...840), der am Hof der Kalifen von Bagdad wirkte.
MehrCaliph & Emir. Retrieval und Annotation von digitalen Photos mit MPEG-7. Mathias Lux
Caliph & Emir Retrieval und Annotation von digitalen Photos mit MPEG-7 Mathias Lux mlux@know-center.at - gefördert durch das Kompetenzzentrenprogramm Overview Einleitung Geschichtliches Annotation mit
MehrUniversität Ulm Abteilung Künstliche Intelligenz. ExtrAns. Verarbeitung natürlicher, schriftlicher Sprache. C. Bohnacker
UNIVERSITÄT ULM SCIENDO DOCENDO CURANDO Universität Ulm Abteilung Künstliche Intelligenz ExtrAns Verarbeitung natürlicher, schriftlicher Sprache C. Bohnacker Überblick Motivation Einleitung Eigenschaften
MehrAlgorithm Theory 3 Fast Fourier Transformation Christian Schindelhauer
Algorithm Theory 3 Fast Fourier Transformation Institut für Informatik Wintersemester 2007/08 Chapter 3 Fast Fourier Transformation 2 Polynomials Polynomials p over real numbers with a variable x p(x)
MehrExploring the knowledge in Semi Structured Data Sets with Rich Queries
Exploring the knowledge in Semi Structured Data Sets with Rich Queries Jürgen Umbrich Sebastian Blohm Institut AIFB, Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 www.kit.ed Overview
MehrEinführung in die Computerlinguistik
Einführung in die Computerlinguistik Neuronale Netze WS 2014/2015 Vera Demberg Neuronale Netze Was ist das? Einer der größten Fortschritte in der Sprachverarbeitung und Bildverarbeitung der letzten Jahre:
MehrObjektorientierte Programmierung (OOP)
orientierte Programmierung (OOP) 1. Motivation Die objektorientierte Sichtweise der Welt Als Motivation für die OOP sieht man sich am besten die reale Welt an: Die reale Welt besteht aus "en", z. B.: Gegenstände,
MehrÜbungen zu Softwareentwicklung 1, WS 2009/10 Übung 6
Übungen zu Softwareentwicklung 1, WS 2009/10 Übung 6 Name: Abzugeben bis: Mi, 2.12.2009 12:00 Matrikelnummer: Bearbeitungsdauer in Stunden: Nummer der Übungsgruppe: Name des Tutors: Name des Übungsleiters:
MehrProgrammierung im Grossen
1 Letzte Aktualisierung: 16. April 2004 Programmierung im Grossen Bertrand Meyer 2 Vorlesung 4: Abstrakte Daten-Typen Übungen 3 Passe die vorhergehende Spezifikation von Stacks (LIFO, Last-In First-Out
MehrKonzeption und Implementierung eines Datenbank-Agenten für die Bereitstellung von Daten aus dem Verkehr
Konzeption und Implementierung eines Datenbank-Agenten für die Bereitstellung von Daten aus dem Verkehr Andreas Walter, Universität Karlsruhe Studienarbeit am IPD Seite 1 Szenario 2. Anfrage an OVID-Netz
MehrMake your world simpler
Automatische Vervollständigung von Wikipedia-Listen Make your world simpler Universität Freiburg Lehrstuhl für Algorithmen und Datenstrukturen Universität Freiburg Simon Skilevic, Robin Schirrmeister 26.4.2012
MehrWordNet Eine elektronische lexikalische Datenbank
WordNet Eine elektronische lexikalische Datenbank Michael Zilske WordNet enthält 95600 Wortformen, davon 51500 einfache Wörter und 44100 Kollokationen) in 70100 Bedeutungen mit kurzen Umschreibungen, manchmal
MehrKomplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin
Komplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin Helmut Veith Technische Universität München Organisatorisches Anmeldung zur Lehrveranstaltung: complexity@tiki.informatik.tu-muenchen.de
Mehr20 Beurteilung umgangssprachlicher Sätze und Argumente mit prädikatenlogischen Mitteln
20 Beurteilung umgangssprachlicher Sätze und Argumente mit prädikatenlogischen Mitteln Erinnerung Man kann die logischen Eigenschaften von Sätzen der Sprache PL in dem Maße zur Beurteilung der logischen
MehrGliederung. n Teil I: Einleitung und Grundbegriffe. n Teil II: Imperative und objektorientierte Programmierung
Gliederung n Teil I: Einleitung und Grundbegriffe l 1. Organisatorisches l 2. Grundlagen von Programmiersprachen n Teil II: Imperative und objektorientierte Programmierung l 1. Grundelemente der Programmierung
MehrMachine Translation with Inferred Stochastic Finite-State Transducers
Machine Translation with Inferred Stochastic Finite-State Transducers von Klaus Suttner HS: Endliche Automaten Dozentin: Karin Haenelt Seminar für Computerlinguistik Universität Heidelberg 29.06.09 Finite-state
MehrImpact of Economics on Compiler Optimization
Impact of Economics on Compiler Optimization Arch D. Robinson Kai Software Seminar Zwischensprachen & Codegenerierung IPD Goos Dimitar Dimitrov Betreuer Rubino Geiß 0 Überblick Überblick Problem Übersetzer
MehrNLP Eigenschaften von Text
NLP Eigenschaften von Text Dr. Andreas Hotho Dominik Benz Beate Krause Sommersemester 2008 Folie: 1 Übersicht Einführung Eigenschaften von Text Words I: Satzgrenzenerkennung, Tokenization, Kollokationen
MehrWissenskapital als Instrument der strategischen Unternehmensführung
Christian Soelberg Wissenskapital als Instrument der strategischen Unternehmensführung Die organisationale Wissensbasis in Geschäftsprozessen und deren teilweise automatisierte Messung und Bewertung zur
MehrEinführung in die Informatik Turing Machines
Einführung in die Informatik Turing Machines Eine abstrakte Maschine zur Präzisierung des Algorithmenbegriffs Wolfram Burgard 1 Motivation und Einleitung Bisher haben wir verschiedene Programmiersprachen
MehrMVVM (Model View ViewModel) in JavaFX
MVVM (Model View ViewModel) in JavaFX SEP Sommersemester 2019 Nicolas Brauner 30.04.2019 DBS Wissenschaftlicher Betreuer: Maximilian Hünemörder, Ludwig Zellner Verantwortlicher Professor: Prof. Dr. Peer
MehrInformatik-Seminar Thema: Monaden (Kapitel 10)
Informatik-Seminar 2003 - Thema: Monaden (Kapitel 10) Stefan Neumann 2. Dezember 2003 Inhalt Einleitung Einleitung Die IO()-Notation Operationen Einleitung Gegeben seien folgende Funktionen: inputint ::
MehrAufgabe (Schreibtischtest, lexikographische Ordnung)
Aufgabe (Schreibtischtest, lexikographische Ordnung) Führen Sie einen Schreibtischtest für den Algorithmus Bubblesort aus der VL für die folgenden Eingabe-Arrays durch. Geben Sie das Array S nach jedem
MehrEinführung in die Informatik Turing Machines
Einführung in die Informatik Turing Machines Eine abstrakte Maschine zur Präzisierung des Algorithmenbegriffs Wolfram Burgard Cyrill Stachniss 1/14 Motivation und Einleitung Bisher haben wir verschiedene
MehrTracing Testing Zusammenfassung. Testing und Tracing. Diana Hille. 14. Januar 2008
und 14. Januar 2008 und Motivation HAT allgemein Allgemeine Verfahren Weitere Verfahren Motivation fehlerhaftes Programm: main = let xs :: [Int] xs = [1,2,3] in print (head xs,last xs) last (x:xs) = last
MehrSoftware Engineering: Testen. (in der Softwareentwicklung) Eine Übersicht Für Softwareentwickler und Softwaretester Stand: 03/2018
Software Engineering: Testen (in der Softwareentwicklung) Eine Übersicht Für Softwareentwickler und Softwaretester Stand: 03/2018 Sie finden diese und weitere Präsentationen unter ( Klick): https://www.peterjohannconsulting.de/praesentationen
MehrTutoraufgabe 1 (Implementierung eines ADTs):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Tutoriumslösung - Übung (Abgabe.05.0) F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe (Implementierung eines ADTs): Wir spezifizieren den ADT
MehrRollen in GFO und HL7-RIM
n in GFO und HL7-RIM Frank Loebe Forschungsgruppe Ontologien in der Medizin (Onto-Med) Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig frank.loebe@imise.uni-leipzig.de
MehrAn Overview of the Signal Clock Calculus
An Overview of the Signal Clock Calculus, Jennifer Möwert Inhaltsverzeichnis Synchrone Programmiersprachen Clock Calculus Synchrone Paradigmen SLTS Clocks SIGNAL Definitionen Endochrony Bäume, Jennifer
MehrDatenbanken. Schemaerweiterung zur Abbildung von Imperfekten Daten. Andreas Merkel
Seminar Impferfektion und Datenbanken Schemaerweiterung zur Abbildung von Imperfekten Daten Andreas Merkel Inhalt Einführung - Eigenschaften des relationalen Modells - Erweiterungsmöglichkeiten Zwei unterschiedliche
MehrTheoretische Informatik 1
Theoretische Informatik 1 Vollständigkeit 1 David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 20.05.2016 Übersicht Schwere Definition CIRCUIT-VALUE ist P-schwer
MehrSherlock is Luke s dog. This is the Elliots house.
Unit 2: Wie kann ich einen Besitz ausdrücken? Wie formuliere ich Regeln? a) Besitz ausdrücken mit dem Genitiv (= Wessen-Fall): Deutsch: Wessen Vater ist David? David ist Sams Vater. Der Genitiv bezieht
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V11, 16.1.2012 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrAlgorithmen und Datenstrukturen II
Algorithmen und Datenstrukturen II Algorithmen zur Textverarbeitung III: D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Sommer 2009,
MehrMotivation des DRIVE-Projektes (Derivation of Vector Models)
Automatische Ableitung von Stadtplänen aus großmaßstäbigen Geodaten im Kontext des Projekts DRIVE Ingo Petzold, Dirk Burghardt Universität Zürich, Schweiz Matthias Bobzien Axes Systems, Deutschland/Schweiz
MehrSoftware- /Systemarchitektur
Software- /Systemarchitektur Agenda: Definition von Softwarearchitektur Voraussetzungen Was bedeutet Objektorientierung? Wie speichert man Daten persistent? Client-Server-Architektur Schichtenarchitektur
MehrRegel 1: Wie kann ich einen Besitz ausdrücken?
Regel 1: Wie kann ich einen Besitz ausdrücken? - mein Auto, dein Haus, unser Klassenraum besitzanzeigender Begleiter (= Possessive Pronoun) - Lisas Familie, Thomas Freund, Bernds Zimmer Wessen-Fall (Genitiv-S)
MehrName: Abgabe: Montag, Blatt 10
Name: Abgabe: Montag, 26.1.2004 http://www-i1.informatik.rwth-aachen.de/infoki/engl5k/index.htm Blatt 10 Aufgabe 1 Übersetzen Übersetze die Geschichte über den kleinen Frosch aus dem Park. Sarah und Robert
MehrGliederung. 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen
Gliederung Gliederung 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen Marcus Lechner - Institut für Informatik Seite 1 Kurzeinstieg 1. Kurzeinstieg
MehrSCHREIB S EINFACH ZUSAMMEN. Tipps, Tricks und Add-Ons zur technischen Dokumentation mit Confluence
SCHREIB S EINFACH ZUSAMMEN Tipps, Tricks und Add-Ons zur technischen Dokumentation mit Confluence HALLO, ICH BIN DER MICHAEL MICHAEL RIEGER BERATER K15T @K15TMICHAEL AGENDA TECHNISCHE DOKUMENTATION VEREINFACHUNG
MehrProgrammieren - wie einsteigen? class HelloWorldApp { public static void main(string[] args) { System.out.println("Hello World!
Programmieren - wie einsteigen? class HelloWorldApp { public static void main(string[] args) { System.out.println("Hello World!"); } } Programmiersprachen: Wie Sand am Meer http://www.digibarn.com/collections/posters/tongues/
Mehrsemantische Informationssysteme
"Finden" nicht "Suchen" Fakultät TI Department Informatik AW1, Master, SS 2008 Gliederung 1 Motivation 2 Semantic Web 3 Ontologien 4 Zusammenfassung Gliederung 1 Motivation die perfekte Informationsplattform
MehrKV 1. Klasse: Datum: Name: Zeige, was du schon auf Englisch kannst! Male die für dich zutreffenden Sprechblasen an! Das kann ich sonst noch:
KV 1 Zeige, was du schon auf Englisch kannst! Male die für dich zutreffenden Sprechblasen an! Das kann ich sonst noch: 97 KV 2 Zeige, was du schon auf Englisch kannst! Male die für dich zutreffenden Sprechblasen
MehrLevel 2 German, 2013
91126 911260 2SUPERVISOR S Level 2 German, 2013 91126 Demonstrate understanding of a variety of written and / or visual German text(s) on familiar matters 9.30 am Monday 11 November 2013 Credits: Five
MehrSkipgram (Word2Vec): Praktische Implementierung
Skipgram (Word2Vec): Praktische Implementierung Benjamin Roth Centrum für Informations- und Sprachverarbeitung Ludwig-Maximilian-Universität München beroth@cis.uni-muenchen.de Benjamin Roth (CIS) Skipgram
MehrAutoSPARQL. Let Users Query Your Knowledge Base
AutoSPARQL Let Users Query Your Knowledge Base Christian Olczak Seminar aus maschinellem Lernen WS 11/12 Fachgebiet Knowledge Engineering Dr. Heiko Paulheim / Frederik Janssen 07.02.2012 Fachbereich Informatik
MehrSoftwareanforderungsanalyse
Softwareanforderungsanalyse Vorgehen, Modellstruktur und Spezifikationsdokument - Ein Fazit Burkhardt Renz THM, Fachbereich MNI Wintersemester 208/9 Übersicht Vorgehen Struktur des Modells Metamodell Generierung
MehrAnforderungen an die Workflow-Unterstützung für wissensintensive Geschäftsprozesse
Anforderungen an die Workflow-Unterstützung für wissensintensive Geschäftsprozesse - Sven Schwarz - DFKI GmbH Forschungsgruppe Wissensmanagement 14. März 2001 1 Gliederung des Vortrags Motivation: Wissensintensive
MehrRead the Web Seminar aus maschinellem Lernen Organisation: Frederik Janssen, Heiko Paulheim
Read the Web Seminar aus maschinellem Lernen Organisation: Frederik Janssen, Heiko Paulheim 02.02.2012 Seminar aus maschinellem Lernen Jan Ruben Zilke Read the Web 1 Agenda NELL das Gesamtprojekt Populating
MehrSemantische Netze Psychologische Plausibilität
Conceptual Graphs Knoten repräsentieren Konzepte oder konzeptuelle Relationen; Kanten haben keine Labels n-stellige konzeptuelle Relation repräsentiert als Knoten mit n Kanten Mächtigkeit der PL1; aber
MehrA Topical/Local Classifier for Word Sense Idendification (TLC) Anne Schwartz
A Topical/Local Classifier for Word Sense Idendification (TLC) Anne Schwartz anne@coli.uni-sb.de A Topical/Local Classifier for Word Sense Idendification (TLC) entwickelt von: - Martin Chodorow (Dep. of
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.05.2012 Nachtrag: Dynamische Bereichsabfragen Letzte Woche: kd-trees und Range-Trees
MehrIII.1 Prinzipien der funktionalen Programmierung - 1 -
1. Prinzipien der funktionalen Programmierung 2. Deklarationen 3. Ausdrücke 4. Muster (Patterns) 5. Typen und Datenstrukturen 6. Funktionale Programmiertechniken III.1 Prinzipien der funktionalen Programmierung
MehrDATAFUSION IM MILCHVIEHSTALL
Forschen und Prüfen für die Landwirtschaft Josephinum Research DATAFUSION IM MILCHVIEHSTALL Smart Farming und Nachhaltigkeit: Chancen und Herausforderungen 4. Agroscope-Nachhaltigkeitstagung Franz Handler,
MehrPush Pull Force Detection System. Installation. Assembly Instruction
PPDS Push Pull Force Detection System Installation Assembly Instruction 1 Einsatzgebiet eines PPDS Uses for a PPDS 2 Lieferumfang Delivered scope 1 1 Auswerteeinheit 2 Evaluation Unit PPDS.EU.01.SMD Zentralsteuerungsleitung
MehrEinsatz von Semantic Web Technologien in der Industrie 4.0
Einsatz von Semantic Web Technologien in der Industrie 4.0 Iman Ayatollahi IFT Univ.Prof. Dipl.-Ing. Dr.techn. Friedrich Bleicher Wien, der 11.05.2016 Überblick 1 Was ist Industrie 4.0 und was nicht? 2
MehrRekursive Listenverarbeitung
Rekursive Listenverarbeitung Übersicht Rekursion ist die wichtigste Programmiertechnik in Prolog! Rekursive Datenstrukturen Einfache und rekursiv gebildete Strukturen Rekursive Datenstrukturen und rekursive
MehrDie SWOT-Analyse als Kreativitätstechnik für die Erfindung von innovativen Anforderungen
Die SWOT-Analyse als Kreativitätstechnik für die Erfindung von innovativen Anforderungen 24.11.2017 Dr. Andrea Herrmann herrmann@herrmann-ehrlich.de Übersicht Das Problem Kreativitätstechniken SWOT Diskussion
MehrEinführung Konzepte und Begriffe Ähnliche Projekte Arbeiten mit WordNet
Randy Witte http://wordnet.princeton.edu/ http://www.linguistik.uni-erlangen.de SemNet.pdf http://en.wikipedia.org/wiki/wordnet http://www.globalwordnet.org/ Einführung Konzepte und Begriffe Ähnliche Projekte
MehrSemantic Role Labeling
Semantic Role Labeling Am Beispiel von EasySRL und SEMAFOR Max Depenbrock Proseminar "Tools für Computerlinguisten" 5.1.2018 Max Depenbrock SRL 5.1.2018 1 / 36 Was ist Semantic Role Labeling? Was ist Semantic
Mehrzu wem? Also, ich Einen, der mich Und ich wünsche zum der zufällig mal kann. was ich alles schon für mich wärmt, wenn s wünsch
32377_Freund_Englisch.qxd 10.07.2008 18:44 Uhr Seite VS2 Ich wünsche mir einen Freund zum Schnäbeln. Einen, der mich nicht hetzt, das ist schon mal klar! Also, ich wünsch mir einen, der mein Holzbein schmirgelt.
MehrIdioms and Expressions with EGGs Idiomatische Redewendungen und Ausdrücke mit Eiern
Impressum ENGLISH GOES GLOBAL Olivia Folgosa M.A. Cambridge CELTA zertifiziert (Certificate for English Language Teaching to Adults = Zertifikat für Englisch-Sprachunterricht für Erwachsene) Rosental 1
MehrSemantic Web. www.geo-spirit.org. Metadata extraction
Semantic Web www.geo-spirit.org WP 6 WP 3 Metadata extraction Ontologies Semantic Web Tim Berners Lee Was wäre, wenn der Computer den Inhalt einer Seite aus dem World Wide Web nicht nur anzeigen, sondern
MehrCOMPUTER: Mission Berlin. November 9, 2006, eleven am. You've got 60 minutes and no extra life left.
13? D A C H F E G? Manuscript of the Episode INTRODUCTION. November 9, 2006, eleven am. You've got 60 minutes and no extra life left. Dieses Mal entkommst du mir nicht! Do you know what you are looking
MehrKapitel 16. Begriffe. HHU Düsseldorf, WS 2008/09 Information Retrieval 250
Kapitel 16 Begriffe HHU Düsseldorf, WS 2008/09 Information Retrieval 250 Semantisches Umfeld "Find what I mean, not what I say" (Susan Feldman) natürlichsprachiges Umfeld Werkzeug: natürlichsprachiger
MehrData Modelling versus Ontology Engineering
Data Modelling versus Ontology Engineering Ketevan Karbelashvili Seminar: Web Services and Semantic Web Inhalt Was ist Ontologie Datenmodelle vs. Ontologien Ontologie Engineering Ansatz - DOGMA Was ist
MehrCOMPUTER: Mission Berlin, August 13, 1961, six pm. You've only got 55 minutes left to save Germany.
16 1961?? / Manuscript of the Episode INTRODUCTION, August 13, 1961, six pm. You've only got 55 minutes left to save Germany. FLASHBACK: Die Kantstraße? Mädchen, die ist im Westen, verstehen Sie? Da können
MehrUnterstützung des hochautomatisierten Fahrens durch ein Backend Überblick und Motivation
Unterstützung des hochautomatisierten Fahrens durch ein Backend Überblick und Motivation Dr.-Ing. Lukas Klejnowski Robert Bosch GmbH Agenda Einleitung: Aufgaben des Safety Servers Was ist eine HAF-Karte?
MehrModel-based risk assessment with CORAS. Seminarvortrag. Marica Federico Angewandte Informatik
Model-based risk assessment with CORAS Seminarvortrag Model-based risk assessment with CORAS Marica Federico Angewandte Informatik 1 Model-based risk assessment with CORAS Marica Federico Agenda 1. Einführung
MehrWS 2011/2012. Georg Sauthoff November 2011
WS 2011/2012 Georg 1 AG Praktische Informatik 22. November 2011 1 gsauthof@techfak.uni-bielefeld.de Vorstellung der abgaben aus den Tutorien. Sieb-Beispiel Siehe Tafel (Auswertungsbeispiel) Sieb-Beispiel
MehrFACHHOCHSCHULE MANNHEIM
Objektorientierte Programmierung 3. Vorlesung Prof. Dr. Peter Knauber FACHHOCHSCHULE MANNHEIM Hochschule für Technik und Gestaltung Wiederholung: Begriffsübersicht Strukturierte vs. objektorientierte Programmierung
Mehr