Thematische Trajektorien mit Dynamischen Topic Models
Am Fachgebiet Wissensverarbeitung wird zur Zeit an thematischen Trajektorien von wissenschaftlichen Konferenzen und Journalen geforscht. Um automatisiert Themen zu erkennen haben sich sogenannte Topic Models bewährt. In unserer Forschung wurde dafür bisher die Nonnegative Matrix Factorization (NMF) verwendet, welche statische Themen berechnet. In dieser Arbeit soll mindestens ein dynamisches Verfahren, bei dem sich Themen über die Zeit ändern (z.Bsp. D-LDA), auf seine Tauglichkeit überprüft werden. Das Verfahren soll auf die vorhandenen Forschungsdatensätze und ggf. Daten aus anderen Domänen angewandt und mit Hilfe von Gütemaßen verglichen werden.
Informationen: Bastian Schäfermeier