{"id":7013,"date":"2020-04-16T09:08:54","date_gmt":"2020-04-16T07:08:54","guid":{"rendered":"https:\/\/www.kde.cs.uni-kassel.de\/?page_id=7013"},"modified":"2020-04-24T08:31:14","modified_gmt":"2020-04-24T06:31:14","slug":"ausgewaehlte-themen-der-wissensverarbeitung-seminar","status":"publish","type":"page","link":"https:\/\/www.kde.cs.uni-kassel.de\/en\/lehre\/ss2020\/ausgewaehlte-themen-der-wissensverarbeitung-seminar","title":{"rendered":"Ausgew\u00e4hlte Themen der Wissensverarbeitung (Seminar)"},"content":{"rendered":"<h2>Ausgew\u00e4hlte Themen der Wissensverarbeitung (Seminar)<\/h2>\n<p><span style=\"color: #a3004e;\"> Themen: <\/span><\/p>\n<p style=\"padding-left: 40px;\">Das Seminar behandelt verschiedene Methoden zur Wissensentdeckung und Wissensrepr\u00e4sentation in Daten, insbesondere zur Analyse von (sozialen) Netzwerken. Hierbei betrachten wir u.a.: Lernverfahren, Metriken in Netzwerken, Anomalieerkennung, Charakterisierung von sozialen Netzwerken, Approximation und Exploration von Wissen, Ordnungsstrukturen in Wissen, Ontologieentwicklung.<span>\u00a0<\/span><\/p>\n<p><span style=\"color: #a3004e;\"> Moodlekurs: <\/span><\/p>\n<p style=\"padding-left: 40px;\">Die Organisation des Seminars findet \u00fcber den <a href=\"https:\/\/moodle.uni-kassel.de\/moodle\/course\/view.php?id=7806\">Moodlekurs<\/a> statt. Dort werden auch die Themen ausgew\u00e4hlt und die Ausarbeitungen abgegeben.<span><\/span><\/p>\n<p><span style=\"color: #a3004e;\">Angesprochener H\u00f6rerInnenkreis:<\/span><\/p>\n<p style=\"padding-left: 40px;\">Inf. 4. Sem., Math. NF Inf. Hauptfach; Master Informatik. F\u00fcr beide Zielgruppen liegen Seminarthemen vor.<\/p>\n<p><span style=\"color: #a3004e;\"> Vorkenntnisse: <\/span><\/p>\n<p style=\"padding-left: 40px;\">Informatik Grundstudium f\u00fcr Einbringung in den Bachelor; abgeschlossener Bachelor f\u00fcr Einbringung in den Master.<\/p>\n<p><span style=\"color: #a3004e;\"> Umfang:<\/span><\/p>\n<p style=\"padding-left: 40px;\">2 SWS<\/p>\n<p><span style=\"color: #a3004e;\"> Leistungsnachweis: <\/span><\/p>\n<p style=\"padding-left: 40px;\">Hausarbeit<br \/>\nReferat \/ Pr\u00e4sentation<\/p>\n<p><span style=\"color: #a3004e;\"> Veranstalter: <\/span><\/p>\n<p style=\"padding-left: 40px;\"><a href=\"\/stumme\"><u><span style=\"color: #0066cc;\">Prof. Dr. Gerd Stumme<\/span><\/u><\/a>, <a href=\"\/duerrschnabel\"><u><span style=\"color: #0066cc;\">Master Math. Dominik D\u00fcrrschnabel<\/span><\/u><\/a>, <a href=\"\/felde\"><u><span style=\"color: #0066cc;\">Master Math. Maximilian Felde<\/span><\/u><\/a>, <a href=\"\/hanika\"><u><span style=\"color: #0066cc;\">Dr. Tom Hanika<\/span><\/u><\/a>, <a href=\"\/koyda\"><u><span style=\"color: #0066cc;\">Master Math. Maren Koyda<\/span><\/u><\/a>, <a href=\"\/schaefermeier\"><u><span style=\"color: #0066cc;\">Master Inform. Bastian Sch\u00e4fermeier<\/span><\/u><\/a>, <a href=\"\/stubbemann\"><u><span style=\"color: #0066cc;\">Master Math. Maximilian Stubbemann<\/span><\/u><\/a><\/p>\n<p><span style=\"color: #a3004e;\"> Ablauf: <\/span><\/p>\n<p style=\"padding-left: 40px;\">Gefordert ist eine wissenschaftliche Auseinandersetzung mit dem Thema, die insbesondere den Bezug auf Originalliteratur einschliesst. Diese kann ggf. durch graue Literatur erg\u00e4nzt, jedoch keinesfalls ersetzt werden. Es wird zu Beginn pro Thema jeweils ein Artikel ausgegeben, der durch den \/ die Seminarteilnehmerin im Laufe des Semesters durch weitergehende Literatur erg\u00e4nzt wird. Die Auswahl der weiteren Literatur trifft der \/ die Seminarteilnehmer\/in in Absprache mit dem\/der Betreuer\/in.<\/p>\n<p style=\"padding-left: 40px;\">Eine Abmeldung vom Seminar ist maximal eine Woche nach Ausgabe des Themas m\u00f6glich, um dann anderen Studierenden die M\u00f6glichkeit der Teilnahme zu geben.<\/p>\n<p style=\"padding-left: 40px;\">Vier bis sechs Wochen vor dem geplanten Vortrag , stellt der Teilnehmer seine Auswahl dem\/der Betreuer\/in vor (vorherige R\u00fccksprachen sind ausdr\u00fccklich erlaubt). Diese Auswahl geht in die Endnote ein.<\/p>\n<p style=\"padding-left: 40px;\">Die Ausarbeitung ist <strong>bis zum <\/strong><b>29.06.2020<\/b> abzugeben. Sie umfasst 12 Seiten (Bachelor) und 16 Seiten (Master). Sie muss mittels LaTeX erstellt worden sein unter Nutzung des Springer LNCS Formats.<\/p>\n<p style=\"padding-left: 40px;\">Zus\u00e4tzlich sind bis <strong>bis zum <\/strong><b>29.06.2020 abzugeben:<\/b><\/p>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li>eine einseitige Zusammenfassung (die allen Teilnehmern ausgeh\u00e4ndigt wird)<\/li>\n<li>der Foliensatz<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p style=\"padding-left: 40px;\">Alle drei Dateien sind als PDF Dateien abzugeben. B\u00fcndeln Sie die Dateien zu einem Zip-Archiv. Die Abgabe erfolgt \u00fcber den <a href=\"https:\/\/moodle.uni-kassel.de\/moodle\/course\/view.php?id=7806\">Moodlekurs<\/a>. Bitte beachten Sie, dass eine Abgabe nach dem 29.06.2020 nicht mehr m\u00f6glich ist.<\/p>\n<p style=\"padding-left: 40px;\">Die Vortr\u00e4ge werden am <b>01.07.2020 <\/b>stattfinden.<\/p>\n<p style=\"padding-left: 40px;\">Vorherige Absprachen mit dem\/der Betreuer\/in sind ausdr\u00fccklich erlaubt. Alle verwendeten Referenzen sind zus\u00e4tzlich zum Literaturverzeichnis der Ausarbeitung in <a href=\"http:\/\/www.bibsonomy.org\/\" rel=\"nofollow\" onclick=\"javascript:window.open('http:\/\/www.bibsonomy.org\/'); return false;\"><u> BibSonomy<\/u><\/a> einzugeben, mit den Tags \u201ekde\u201c, \u201eseminar\u201c, \u201e2020\u201c, \u201ewissensverarbeitung\u201c und weiteren sinnvollen Tags.<\/p>\n<p style=\"padding-left: 40px;\">Die Vortragsdauer betr\u00e4gt verbindlich 30 Minuten, nach dem Vortrag besteht Gelegenheit zur Diskussion. Wir empfehlen, den Vortrag vorher vor Zuh\u00f6rern zu \u00fcben. Der Vortrag (inkl. Folien und Abstract) geht mit 40 % in die Endnote ein, die Ausarbeitung zusammen mit den Quellen geht mit 60 % ein.<\/p>\n<p style=\"padding-left: 40px;\">Als Richtlinie f\u00fcr die Erstellung einer guten Seminararbeit (inkl. Vortrag und Ausarbeitung) wird das Buch<\/p>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li>Markus Deininger, Horst Lichter, Jochen Ludewig und Kurt Schneider. Studien-Arbeiten: ein Leitfaden zur Vorbereitung, Durchf\u00fchrung und Betreuung von Studien-, Diplom- Abschluss- und Doktorarbeiten am Beispiel Informatik. 5. Auflage. vdf Hochschulverlag, Z\u00fcrich, 2005. <a href=\"http:\/\/www.bibsonomy.org\/bibtex\/0d8d61accf919ca55631acdbb6bcfec73\/stumme\" rel=\"nofollow\" onclick=\"javascript:window.open('http:\/\/www.bibsonomy.org\/bibtex\/0d8d61accf919ca55631acdbb6bcfec73\/stumme'); return false;\"><u>BibSonomy Eintrag \u00f6ffnen<\/u><\/a><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p style=\"padding-left: 40px;\">empfohlen, welches in der Bibliothek im Semesterapparat des Fachgebiets Wissensverarbeitung ausliegt, und welches auch in einigen Exemplaren ausleihbar ist. Wir empfehlen die Anschaffung dieses Buchs (9,50 \u20ac), da es Sie bis zur Masterarbeit (und weiter) begleiten kann. Die Benotung der Seminararbeit erfolgt in Anlehnung an das dort auf Seite 77 angegebene Schema, angepasst auf die Erfordernisse einer Seminararbeit.<\/p>\n<h2>Themen<\/h2>\n<p style=\"padding-left: 40px;\">Im Folgenden finden sie die m\u00f6glichen Themen. Falls sie sich f\u00fcr ein Thema entschieden haben, tragen Sie sich f\u00fcr das Thema im <a href=\"https:\/\/moodle.uni-kassel.de\/moodle\/course\/view.php?id=7806\">Moodlekurs<\/a> ein und kontaktieren Sie den\/die entsprechenden Betreuer\/in per Mail. Falls eine Eintragung f\u00fcr das jeweilige Thema nicht mehr m\u00f6glich ist, ist es bereits vergeben.<\/p>\n<div>\n<h5><\/h5>\n<h3>Betreut von Maximilian Stubbemann (stubbemann@cs.uni-kassel.de):<\/h3>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li><b>Inductive Representation Learning on Large Graphs\u00a0 <\/b><a rel=\"nofollow\" href=\"https:\/\/arxiv.org\/abs\/1706.02216\">[1]<\/a>. Graph Neural Networks (GNN) sind ein g\u00e4ngiges Mittel um Klassifikationsaufgaben in Netzwerken zu l\u00f6sen. Ziel dieser Arbeit soll es sein, das GNN Framework GraphSage vorzustellen, Anwendungen zu zeigen und alternative GNNs zu beschreiben. Es soll dabei insbesondere darauf eingegangen werden, wie GNNS im Alllgemeinen und GraphsSage im speziellen g\u00e4ngige Netzarchitekturen mit der Graphenstruktur kombinieren. Wie kann GraphSage genutzt werden um 1.) eine konkrete Klassifikationsaufgabe direkt zu l\u00f6sen, 2.) um allgemeine Knoteneinbettungen zu generieren? Als weitere Aufgabe sollen weitere GNN Modelle vorgestellt und mit GraphSage verglichen werden.<\/li>\n<li><b> CLANN: Concept Lattice-based Artificial Neural Network for supervised classification <\/b><a rel=\"nofollow\" href=\"http:\/\/ftp.informatik.rwth-aachen.de\/Publications\/CEUR-WS\/Vol-331\/Tsopze.pdf\">[2]<\/a> Beschreiben Sie den im Paper vorgestellten Ansatz zur Erstellung neuronaler Netze. Wie wird die Struktur eines Begriffverbandes zur Generierung der Netzarchitektur genutzt? Wie wird aus der Struktur eines Begriffsverbandes eine Netzarchitektur generiert? Welche Klassifikationsaufgaben werden mittels demresultierenden neuronalen Netz wie gel\u00f6st? In eigener Recherche sollen weitere Methoden zur Klassifikation in formalen Kontexten im Allgemeinen und mittels neuronaler Netze im speziellen erarbeitet werden.<\/li>\n<li><b>Paper2vec: Combining Graph and Text Information for Scientific Paper Representation<\/b>\u00a0 <a rel=\"nofollow\" href=\"https:\/\/link.springer.com\/chapter\/10.1007\/978-3-319-56608-5_30\">[3]<\/a> Beschreiben Sie wie das vorliegende Paper Dokumenteneinbettungsverfahren mit Knoteneinbettungsmethoden kombiniert um wissenschaftliche Publikation durch niedrigdimensionale Vektoren darzustellen. Die Vorstellung der genutzten Techniken f\u00fcr Dokumenteinbettungen (doc2Vec) und Knoteneinbettungen (Deepwalk) ist dabei ein wichtiger Teil der Seminararbeit.<\/li>\n<li><b>ADAM: A Method For Stochastic Optimization\u00a0<\/b> <a rel=\"nofollow\" href=\"https:\/\/arxiv.org\/abs\/1412.6980\">[4]<\/a> ADAM ist eine Methode zur stochastischen Optimierung und ist heutzutage ein g\u00e4ngiges Verfahrung zur Gewichtsoptimierung in neuronalen Netzen. Ziel dieser Arbeit soll es sein, das Optimierungsverfahren im Allgemeinen vorzustellen und konkret darauf einzugehen, wie es im Kontext neuronaler Netze genutzt werden kann. Dabei soll auch auf das &#8220;Standardverfahren&#8221; des stochastischen Gradientenabstieg eingegangen werden. In wiefern unterscheidet ADAM sich von anderen g\u00e4ngigen Optimierungsverfahren in diesem Bereich?<\/li>\n<li><b>Discovery of optimal factors in binary data via a novel method of matrix decomposition<\/b>\u00a0 <a rel=\"nofollow\" href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0022000009000415\">[5]<\/a> Das Paper beschreibt eine M\u00f6glichkeit, eine Bin\u00e4rmatrix in ein Produkt zweier Bin\u00e4rmatritzen zu zerlegen. Beschreiben Sie das vorgestelle Zerlegungsverfahren. Wie wird in dem Paper formale Begriffsanalyse zur Findung der Faktoren genutzt? Gehen Sie hier auch auf die theoretischen Resultate ein und geben Sie die Beweisideen in eigenen Worten wieder. Erarbeiten Sie au\u00dferdem in eigener Recherche weitere Ans\u00e4tze zur Zerlegung von Bin\u00e4rmatritzen.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<h3>Betreut von Maren Koyda (koyda@cs.uni-kassel.de):<\/h3>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li><b> Reducing the Representation Complexity of Lattice-Based Taxonomies<\/b><b> <\/b><a rel=\"nofollow\" href=\"https:\/\/epubs.surrey.ac.uk\/1578\/1\/fulltext.pdf\">[6]<\/a> Die vorliegende Arbeit beschreibt die Stabilit\u00e4t als Ma\u00df auf formalen Begriffen. Erl\u00e4utern Sie dieses Ma\u00df sowie seine Anwendungsm\u00f6glichkeiten und vergleichen Sie es mit zwei anderen Ma\u00dfen aus weiterf\u00fchrender Literatur.<\/li>\n<li><b> Clustering bipartite graphs in terms of approximate formal concepts and sub-contexts <\/b><a rel=\"nofollow\" href=\"https:\/\/www.researchgate.net\/publication\/261681675_Clustering_bipartite_graphs_in_terms_of_approximate_formal_concepts_and_sub-contexts\">[7]<\/a> Beschreiben sie das im Paper vorgestellte Vorgehen zum Umgang mit verrauschten Daten sowie den Zusammenhang zwischen Graphen und Formaler Begriffsanalyse. Vergleichen sie den Ansatz mit einer weiteren M\u00f6glichkeit zur Vereinfachung von Begriffsverb\u00e4nden.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<h3>Betreut von Maximilian Felde (felde@cs.uni-kassel.de):<\/h3>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li><b>Finding the Number of Clusters in a Dataset: An Information-Theoretic Approach<\/b> <a rel=\"nofollow\" href=\"https:\/\/doi.org\/10.1198\/016214503000000666\">[8]<\/a> Clusterverfahren werden verwendet um Gruppen \u00e4hnlicher Objekte in Daten zu finden. Ein Problem dabei ist, dass die Anzahl der zu findenden Gruppen oft als Parameter ben\u00f6tigt wird, der im Allgemeinen nicht vorher bekannt ist. Es gibt verschiedene Ans\u00e4tze damit umzugehen, beispielsweise verschiedene Modelle mit unterschiedlichen Anzahlen Cluster zu erzeugen und das &#8220;beste&#8221; auszuw\u00e4hlen. Diese Arbeit beschreibt einen Informationstheoretischen Ansatz zur Identifikation der Anzahl Cluster in einem Datensatz. Fassen Sie die Ergebnisse dieser Ver\u00f6ffentlichung zusammen und vergleichen Sie diesen Ansatz mit anderen verbreiteten Ans\u00e4tzen zum Bestimmen der Clusteranzahl. Ziehen Sie dazu weitere Literatur heran.<\/li>\n<li><b>Random Subspaces<\/b> <a rel=\"nofollow\" href=\"https:\/\/pdfs.semanticscholar.org\/b41d\/0fa5fdaadd47fc882d3db04277d03fb21832.pdf\">[9]<\/a><a rel=\"nofollow\" href=\"https:\/\/doi.org\/10.1109\/34.709601\">[10]<\/a> Das Paper beschreibt die Random Subspace Methode zur Verbesserung der Klassifikationsleistung von Entscheidungsb\u00e4umen. Beschreiben Sie die Random Subspace Methode im Kontext des Papers. Suchen Sie sich einen Aspekt des Papers heraus, der Sie interessiert (beispielsweise die Verbindung zu &#8216;stochastic discrimitation theory&#8217;, eine Gegen\u00fcberstellung mit anderen Ensemble Learning Methoden, die Eigenschaften der &#8216;combination function&#8217; oder ein \u00dcberblick \u00fcber die Verwendung der Methode in neueren Verfahren) und bearbeiten Sie diesen tiefergehend. Suchen Sie sich hierzu 2-3 weitere verwandte Arbeiten heraus.<\/li>\n<li><b>The Rand Index and Modern Methods<\/b>\u00a0 <a rel=\"nofollow\" href=\"https:\/\/www.jstor.org\/stable\/2284239\">[11]<\/a><a rel=\"nofollow\" href=\"https:\/\/www.doi.org\/10.2307\/2284239\">[12]<\/a> Ein Problem bei Clusterverfahren ist, dass es schwierig ist die G\u00fcte der Verfahren sowie die gewonnenen Clusterings zu vergleichen. In dem Paper &#8216;Objective Criteria for the Evaluation of Clustering Methods (1971)&#8217; geht Rand auf dieses Problem ein und schl\u00e4gt ein \u00c4hnlichkeitsma\u00df zum Vergleich von Clusterings vor, um verschiedene Clusterverfahren vergleichen zu k\u00f6nnen. Beschreiben Sie die Problematik und den Ansatz von Rand. Suchen Sie au\u00dferdem weitere Literatur zu modernen Varianten bzw. Alternativen heraus und vergleichen Sie diese mit dem Ansatz von Rand.<\/li>\n<li><b>Clustering Ensembles<\/b><a rel=\"nofollow\" href=\"https:\/\/www.aaai.org\/Papers\/AAAI\/2002\/AAAI02-015.pdf\"><b> <\/b>[13]<\/a> Ensemble Methoden sind weit verbreitet f\u00fcr die Behandlung von Klassifikationsproblemen, z.B. in Form von Random Forests. Die Idee ist, mehrere Klassifikatoren zu verwenden und die Ergebnisse zu kombinieren um eine Verbesserung der Klassifikationsleistung zu erreichen. \u00c4hnliche Ans\u00e4tze gibt es auch f\u00fcr Clusterverfahren. Das vorliegende Paper f\u00fchrt sogenannte &#8220;Cluster Ensembles&#8221; ein. Beschreiben Sie das Problem sowie den vorgeschlagenen L\u00f6sungsansatz und stellen Sie eines der Verfahren im Detail vor. Suchen Sie sich anschlie\u00dfend einen Aspekt des Papers aus (z.B. die Verbindung zu &#8216;consensus classification&#8217;, eine der beschriebenen Anwendungen, neue Weiterentwicklungen der Methode oder eine genauere betrachtung der &#8216;average normalized mutual information&#8217;) den Sie tiefergehend untersuchen. Ziehen Sie dazu weitere Literatur heran.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<h3>Betreut von Dominik D\u00fcrrschnabel (duerrschnabel@cs.uni-kassel.de):<\/h3>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li><b>Linear Time Transitive Orientation of Comparability Graphs\u00a0 <\/b><a rel=\"nofollow\" href=\"https:\/\/www.cs.colostate.edu\/~rmm\/linModDecomp.pdf\">[14]<\/a>. Aufgabenstellung: Die vorliegende Arbeit beschreibt wie Graphen einer bestimmten Graphenklasse in Linearzeit in Module zerlegt werden k\u00f6nnen. Diese Module k\u00f6nnen dazu genutzt werden, diesen Graphen ebenfalls in Linearzeit transitiv zu orientieren. Erkl\u00e4ren und beweisen Sie den daraus entstehenden Algorithmus mithilfe von weiteren, selbst ausgew\u00e4hlten Ver\u00f6ffentlichungen.<\/li>\n<li><b>Binary Factor Analysiswith Help of Formal Concepts<\/b> <a rel=\"nofollow\" href=\"http:\/\/ceur-ws.org\/Vol-110\/paper10.pdf\">[15]<\/a>. Aufgabenstellung: Die vorliegende Arbeit beschreibt einen Algorithmus zur Zerlegung von Bin\u00e4ren Datens\u00e4tze in kleinere, ebenfalls bin\u00e4re Datens\u00e4tze. Die so entstehenden Datens\u00e4tze k\u00f6nnen genutzt werden um den urspr\u00fcnglichen Datensatz besser zu verstehen, oder auch zur Kompression gro\u00dfer Datens\u00e4tze. Erkl\u00e4ren Sie den Algorithmus und ziehen Sie dazu weitere Literatur heran. Vorkenntnisse in Formaler Begriffsanalyse sind hilfreich.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<div><\/div>\n<div>\n<h3>Betreut von Johannes Hirth (hirth@cs.uni-kassel.de):<\/h3>\n<\/div>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li><b>A Survey on Implicational Bases<\/b>\u00a0 <a rel=\"nofollow\" href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0304397510000034\">[16]<\/a>. Aufgabenstellung: Implikationen sind ein h\u00e4ufig genutzter Formalismus zur Analyse von Datens\u00e4tzen und werden zum Beispiel in der Klassifikation eingesetzt. Die Menge aller solcher Implikationen (Theorie) einer Attribute Domain kann exponentiell in der Anzahl der Attribute werden und ist deshalb zu gro\u00df. Deshalb berechnet man Basen der Theorie als minimale Repr\u00e4sentation aus. Beispiel sind die canonical-base, canonical-direct-basis, unit bases, usw. Erstellen eine \u00dcbersicht verschiedener solcher Basen und vergleichen Sie diese. Gehen Sie dabei auch auf die Berechnung der Basen ein.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Ausgew\u00e4hlte Themen der Wissensverarbeitung (Seminar) Themen: Das Seminar behandelt verschiedene Methoden zur Wissensentdeckung und Wissensrepr\u00e4sentation in Daten, insbesondere zur Analyse von (sozialen) Netzwerken. Hierbei betrachten wir u.a.: Lernverfahren, Metriken in Netzwerken, Anomalieerkennung, Charakterisierung von sozialen<a class=\"moretag\" href=\"https:\/\/www.kde.cs.uni-kassel.de\/en\/lehre\/ss2020\/ausgewaehlte-themen-der-wissensverarbeitung-seminar\"> Read more&hellip;<\/a><\/p>\n","protected":false},"author":19,"featured_media":0,"parent":6698,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-7013","page","type-page","status-publish","hentry"],"translation":{"provider":"WPGlobus","version":"3.0.2","language":"en","enabled_languages":["de","en"],"languages":{"de":{"title":true,"content":true,"excerpt":false},"en":{"title":false,"content":false,"excerpt":false}}},"_links":{"self":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/7013","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/users\/19"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/comments?post=7013"}],"version-history":[{"count":17,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/7013\/revisions"}],"predecessor-version":[{"id":7070,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/7013\/revisions\/7070"}],"up":[{"embeddable":true,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/6698"}],"wp:attachment":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/media?parent=7013"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}