Deep Learning für SpringerNature Journal "Der Internist"
Dieses Projekt entstand im Fokus unseres BMWi Projektes MACSS und in Zusammenarbeit mit dem Verlag SpringerNature. Das Team hatte die Aufgabe aus einem medizinischen Text automatisch Verlinkungen zu einem Standardnachschlagewerk für Internisten (SpringerNature "Der Internist" zu erzeugen). Dazu trainierte das Team unser Deep Learning basiertes TASTY Framework auf den Daten von SpringerNature.
[Demo Tasty] [PDF] [Video] [Lizenzen.txt]
Relationsextraktion mit INDREX für Informationen über Sensoren
Dieses Projekt entstand im Kontext unseres BMWi Projektes Smart Data Web, insbesondere mit den Partnern Siemens und DFKI. Ein Team von vier Studenten erhielt die Aufgabe auf einem Korpus (knapp 1 Mio Dokumente) Relationen zu finden, die mindestens ein Argument von Typ Sensor aufweisen. Die Studenten nutzen dazu INDREX; eine Erweiterung der Beuth-HS für die Hauptspeicherdatenbank EXASOL. Aufgaben des Projektes war die Datenbereinigung und die Formulierung von Patterns mit SQL für die Extraktion der Relation Hersteller(Unternehmen, SensorName).
Produktattribute für die Suche klassifizieren
Ein Berliner Unternehmen verleiht Gegenstände (z.B. Wohnmobile, Bohrmaschinen, Hüpfburgen, Hochzeitsbesteck etc.) an seine Kunden. Eine wichtige Frage ist das Anzeigen möglichst "guter" Attribute für die Beschreibung der Produkte in der Suche, sodass möglichst viele Ausleihtransaktionen erfolgen. Unser Team half mit Hilfe einer Klassifikation dem Unternehmen für die Sparte "Wohnmobile" die richtigen Attribute zu filtern.
