Refine
Document Type
- Master's Thesis (2)
- Habilitation (1)
Language
- German (3) (remove)
Has Fulltext
- yes (3)
Is part of the Bibliography
- no (3)
Keywords
- Maschinelles Lernen (3) (remove)
Institute
Die vorliegende Arbeit befasst sich mit maschinellem Lernen von Ontologien. Es werden verschiedene Ansätze zum Ontology Learning vorgestellt und diskutiert. Der Fokus liegt auf dem Einsatz maschineller Lernalgorithmen zum automatischen Erwerb von Ontologien für das virtuelle Bibliotheksregal MyShelf. Dieses bietet Benutzern bei der Recherche durch Ontology Switching einen flexibleren Zugang zu Informationsbeständen. Da Ontologien einen Grundbaustein des Semantic Web darstellen, bietet maschinelles Lernen die Möglichkeit, Verfahren zur automatischen Generierung und Verarbeitung von Ontologien zu etablieren. Basierend auf Textkorpora werden Lerntechniken angewandt, um deren Potential für die Erstellung von Ontologien zu überprüfen.
Der komplexe Prozess der Softwareentwicklung auf professioneller Ebene wird in der Regel in Teams vollzogen; dieser für den Wissenserwerb förderliche Ansatz des kollaborativen Lernens kommt auch in der universitären Lehre vermehrt zum Einsatz. Durch die neuen Informations- und Kommunikationstechniken kann diese Form des gemeinsamen Wissenserwerbs virtuell über zeitliche und geographische Grenzen hinweg durchgeführt werden. Das Projekt VitaminL versucht, virtuelle Lerngruppen bei der Bearbeitung von Programmieraufgaben durch eine Softwarekomponente effektiv zu unterstützen. Die vorliegende Arbeit untersucht typische Problemsituationen von Anfängern unter Berücksichtigung psychologischer und kognitiver Prozesse. Anhand dieser empirischer Ergebnisse aus Beobachtungen und Tests im Rahmen des VitaminLProjekts werden verschiedene Unterstützungsmöglichkeiten diskutiert und die Realisierung des beispielbasierten Ansatzes mittels maschineller Lernverfahren skizziert.
Die stark anwachsende Menge von Wissen, welche weltweit zur Verfügung steht, erfordert eine teilweise Übertragung der Qualitätsbewertung auf Maschinen. Zugleich erlaubt die weltweite Vernetzung die Analyse, den Vergleich und die Verknüpfung sehr vieler Wissensangebote. Die Automatisierung von Qualitätsbewertung ist teilweise bereits Realität und erfordert eine stärkere wissenschaftliche Fundierung. Derzeit eingesetzte Systeme basieren auf der Linkanalyse und nutzen somit nur eine sehr eingeschränkte Wissensquelle. Aktuelle Forschungstendenzen aus unterschiedlichen Fachrichtungen verweisen auf komplexere Systeme zur automatischen Qualitätsbewertung. Im Rahmen des Projekts AQUAINT (Automatische Qualitätsabschätzung für Internet Ressourcen) wurde ein innovatives System zur Qualitätsbewertung entwickelt. Das Projekt behandelt die Grundlagen, die Entwicklung des Systems und dessen Evaluierung. Aus den Ergebnissen werden Konsequenzen für die Methodik der Evaluierung im Information Retrieval abgeleitet. Eine wichtige Anwendung liegt in Suchmaschinen der nächsten Generation.
