Bachelor- und Masterarbeiten
Themen
Viele Aufgabenstellungen beschäftigen sich mit der Implementierung verschiedener Komponenten in eines der Websysteme, die am Fachgebiet betrieben werden, oder mit der Analyse der in solchen Systemen vorhandenen Daten. Darüber hinaus werden weitere Themen angeboten, die in der Regel einen inhaltlichen Bezug zu aktuellen Forschungsprojekten des Fachgebiets Wissensverarbeitung haben.
Die Themenstellung erfolgt in Absprache mit den Studierenden; die Ausrichtung und der Umfang der Arbeit richten sich nach dem jeweils angestrebten Anschluss. Prinzipiell liegt der Schwerpunkt bei Abschlussarbeiten auf der Methodik, während er bei Projektarbeiten auf der technischen Umsetzung liegt.
Zu folgenden Themengebieten können wir Arbeiten anbieten; zu konkreten Themen können die jeweiligen Betreuer*innen genauere Auskunft geben:
Stabilität von Formalen Kontexten
Wir nennen einen formalen Kontext stabil, wenn sich beim Setzen oder Entfernen jedes Kreuzes die Größe des Begriffsverbandes nicht verkleinert. Untersuchen Sie Echtweltdaten auf Stabilität und untersuchen Sie, inwiefern sich die Stabilität als Bewertungsmaß für intrinsisch sinnvolle Daten eignet.
Informationen: Dominik Dürrschnabel
Author Identification based on Paper Citations
Several venues use the double-blind review process for evaluating submitted research articles. We want to understand in what capacity the citations used in the new paper give access to the identity of the anonymous author(s). One key part of your work would be the evaluation of previously proposed techniques [1] on new raw [2] or processed [3] datasets. Of course there is the possibility of applying more recent approaches and own ideas for solutions.
Majority (if not all) of the programming will be done in python.
Inquiries: Tobias Hille
Sanity Checks for Conceptual Views on Neural Networks
Conceptual views provide a new method to interprete the latent representations of a neural network. In this work, you compare the sensitivity of conceptual views to weight randomizations for different architectures.
Informationen: Johannes Hirth
Identification of Ordinal Motifs
A novel method to automatically generate explanations of ordinal data structures employs the identification of ordinal motif. This is in general a NP-complete problem. In this work, you investigate if there are more efficient methods for the identification of specific classes of ordinal motifs.
Informationen: Johannes Hirth
Investigate Formal Conceptual Views in Neural Networks
Mit Formal Conceptual Views ist ein neues Modell zur Erklärung von Neuralen Netzwerken vorgestellt worden. Ziel dieser Arbeit ist es die Methode auf weitere Modelle und Daten Domänen anzuwenden und die Formal Conceptual Views mit weiteren Methoden der symbolischen Wissensverarbeitung zu analysieren.
Informationen: Johannes Hirth
Intrinsic Triangulation of Loss Landscapes
Recent work investigating geometry and topology of loss landscapes of neural networks revealed interesting properties regarding connectivity of clusters of local minima
[1],
[2].
In this work you will try to apply advances in computation intrinsic triangulation for 3d rendering [3] towards those surfaces (or reasonable hyperplane projections).
One possible motivation for this is the change for an ability to construct geodesic paths on the constructed approximation.
Majority (if not all) of the programming will be done in python.
Inquiries: Tobias Hille
Extracting Hypergraphs from Traffic Networks
Hypergraph datasets are well known from the context of author-paper networks and knowledge graphs.
But also in other fields, such as traffic networks, hypergraphs can be found.
In this work, you should search for existing ‘raw’ datasets from this domain or/and create simple scripts to collect data from public web endpoints.
A second part will deal with characterizing different ways of interpreting and formatting the data as hypergraphs (depending on the available features).
Majority (if not all) of the programming will be done in python.
Inquiries: Tobias Hille
Core Numbers in Bipartite Networks
Core numbers are efficient valuations for nodes in networks. They are a measure to describe the structural integration of nodes. In this work, you should characterize and study core numbers for bipartite graphs.
Informationen: Johannes Hirth
Community Detection in WikiData zur Datensatzgenerierung
Knowlegde Graphs wie WikiData enthalten sehr viel Wissen, das im Bereich der künstlichen Intelligenz in vielen Anwendungen eingesetzt werden kann. Der Umfang an Informationen ist aber auch ein Problem für viele Anwendungen. Ihre Aufgabe besteht darin, Methoden der Community Detection in sozialen Netzwerken auf die Struktur von WikiData zu übertragen. Des Weiteren sollen Sie untersuchen, wie diese Methoden genutzt werden können, um kleinere Teil-Datensätze aus WikiData zu extrahieren.
Informationen: Johannes Hirth
Sprechen Sie uns gern zu weiteren Themen an. Informationen zu den einzelnen Themen geben Ihnen gerne vorab die Betreuer*innen.
Aufgabenstellung und Termin
Nach Absprache mit der/dem jeweiligen Betreuer*in.
Vorkenntnisse
Informatik Grundstudium bzw. 30 absolvierte Credits des Masterstudiums
Angesprochener Hörer*innenkreis
Informatik Bachelor und Master, Math. NF Inf. Hauptstudium
Umfang
9 Wochen für Bachelor und 6 Monate für Master
Leistungsnachweis
In der Regel Implementierung, schriftliche Ausarbeitung und Vortrag
Veranstalter
Prof. Dr. Gerd Stumme, Dominik Dürrschnabel, M.Sc., Tobias Hille, M.Sc., Johannes Hirth, M.Sc.