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:

Community Detection in WikiData zur Datensatz Generierung

Knowlegde Graphs wie WikiData enthalten sehr viel Wissen, dass 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

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit, Methodischer Schwerpunkt, Technischer Schwerpunkt

Evaluierung von Graphzeichnungen

Ziel dieser Arbeit ist es, zu Evaluieren, welche „weichen“ Kriterien für Graphzeichnungen in der Praxis wie stark mit als „schön“ wahrgenommenen Zeichnungen korellieren. Außerdem soll untersucht werden in wie weit die „wichtigen“ Kriterien sich beim Zeichnen von Graphen und Ordnungsdiagrammen unterscheiden.

Informationen: Maximilian Stubbemann

Kategorien: Masterarbeit

Automatisierte Themenbenennung

Topic Models berechnen i.d.R. Themen, aus denen sich ihre “wichtigsten“ Wörter ableiten lassen. In der Forschung existieren bereits einige Ansätze zur automatisierten Benennung von Themen solcher Wortmengen. In dieser Arbeit sollen verschiedene bestehende sowie mindestens ein eigener Ansatz implementiert und miteinander verglichen werden.

Informationen: Bastian Schäfermeier

Kategorien: Allgemein, Bachelorarbeit, Methodischer Schwerpunkt, Technischer Schwerpunkt

Thematische Trajektorien mit Dynamischen Topic Models

Am Fachgebiet Wissensverarbeitung wird zur Zeit an thematischen Trajektorien von wissenschaftlichen Konferenzen und Journalen geforscht. In unserer Forschung wurden (statische) Themen durch die sogenannte Nonnegative Matrix Factorization (NMF) extrahiert. In dieser Arbeit sollen dynamische Verfahren, bei denen sich Themen über die Zeit ändern (z.Bsp. D-LDA), auf ihre Tauglichkeit überprüft werden.

Informationen: Bastian Schäfermeier

Kategorien: Allgemein, Bachelorarbeit, Methodischer Schwerpunkt, Technischer Schwerpunkt

K-Means und FCA

K-means, oder genauer Lloyds-Algorithmus, ist eine Technik, durch welche Datenpunkte im Euklidischen Raum in eine Anzahl von k-Clustern zerlegt werden können. Durch wiederholtes Ausführen mit unterschiedlichem k entsteht eine Menge von sich teilweise überlappenden Clustern. Durch das Hinzufügen der Schnitte der einzelnen Cluster können diese zu einer Verbandsstruktur erweitert werden. Dieser Verband wiederum hat einen zugehörigen formalen Kontext.

Das Ziel dieses Projektes ist es zu untersuchen, inwiefern diese Cluster mit dem Hüllensystem des formalen Kontextes zusammenhängen.

Informationen: Dominik Dürrschnabel

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit

Invarianten für Formale Kontexte

Es ist nicht einfach zu erkennen ob zwei (reduzierte) Formale Kontexte isomorph sind, bzw. gegeben eine Menge Formaler Kontexte zu erkennen wie viele verschiedene Formale Kontexte dort enthalten sind. Ein Hilfsmittel sind Invarianten, also abgeleitete Größen, die nicht von der konkreten Darstellung des Formalen Kontexts abhängen, beispielsweise die Anzahl der Attribute des Kontexts oder auch die Anzahl der Begriffe des Kontexts. Haben zwei Kontexte unterschiedliche Werte für eine Invariante, so sind die Kontexte nicht isomorph. Ziel ist es Formale Kontexte hinsichtlich möglicher Invarianten zu untersuchen. Formale Kontexte können als bipartite Graphen dargestellt werden, daher sollen insbesondere bekannte Graph-Invarianten in Betracht gezogen werden.

Informationen: Maximilian Felde

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit, Methodischer Schwerpunkt

Eigenschaften von Knoteneinbettungen

In dieser Arbeit sollen verschiedene Einbettungsverfahren für Netzwerke dahingehend untersucht werden, inwiefern Eigenschaften wie „Nähe“ im Ko-Autorengraphen mit der Nähe in der Einbettung korrespondiert. Bei welchen Verfahren werden Nachbarn „nahe“ eingebettet? Korrespondiert die Pfadlänge von Knoten im Graphen zu ihrem Abstand im Graphen? Als weiterer Schritt kann hier untersucht werden, ob ein Klassifikator aus einem Graphen und einer Einbettung entscheiden kann, mit welchem Verfahren der Graph eingebettet wurde.

Informationen: Maximilian Stubbemann

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit, Methodischer Schwerpunkt, Technischer Schwerpunkt

Concept Neural Networks

Bei der Klassifikation in Graphen ist es üblich, mittels Graph Neuronalen Netzen (GNNs) die Struktur des Graphen zu nutzen, um die Klassifikation von Knoten zu verbessern. Ziel dieser Arbeit ist es, diesen Ansatz auf die Formale Begriffsanalyse zu übertragen indem die „Faltungsoperation“ anhand von Konzepten durchgeführt wird. Vergleichen Sie dieses Verfahren mit anderen Verfahren, die neuronale Netze basierend auf Begriffsverbänden nutzen!

Informationen: Maximilian Stubbemann

Kategorien: Bachelorarbeit, Masterarbeit

Ensemble Concept based Classification

Ein Problem der Klassifikation mit Formalen Begriffen ist die potentiell exponentielle Anzahl an Begriffen eines Datensatzes. Eine Strategie zur Verringerung der Anzahl sind Reduktionstechniken für Formale Kontexte. Untersuchen sie diese hinsichtlich der Klassifikations Performance ihrer Begriffe. Des weiteren untersuchen sie die Performance eines Ensembles aus mehreren reduzierten Kontexten durch unterschiedlichen Reduktionstechniken oder Parameter.

Informationen: Johannes Hirth

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit, Methodischer Schwerpunkt, Technischer Schwerpunkt

Feature Selectors for Concept based Classification

Ein Problem der Klassifikation mit Formalen Begriffen ist die potentiell exponentielle Anzahl an Begriffen eines Datensatzes. Vergleichen Sie verschiedene Maße und Selektionsmethoden aus dem Bereich der Formalen Begriffsanalyse hinsichtlich ihrer Performance als Feature Selector.

Informationen: Johannes Hirth

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit, Methodischer Schwerpunkt

Erklärbarkeit von Klassifikatoren durch Surrogate

Viele der gegenwärtig genutzten Lernmodelle zur Klassifikation erzeugen sogenannte Blackbox-Funktionen/Relationen, z.B. Random Forests oder Neuronale Netze. Diese entziehen sich einer direkten Erklärbarkeit und sind daher für Nuetzer*innen schwer nachvollzieh- und überprüfbar. Es gibt verschiedene numerische / kategorische/ statistische Ansätze um diesen Problem zu begegnen. Ein besonderer Ansatz ist Surrogatlernen, d.h., das Trainieren eines erklärbaren Klassifikators basierend auf einer Blackbox. Je nach Ausrichtung (Projekt/Bachelorarbeit/Masterarbeit) soll versucht werden bestehende Surrogat-Ansätze praktisch zu evaluieren oder theoretische Ansätze fortzusetzen.

Informationen: Tom Hanika

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit, Methodischer Schwerpunkt

Formal Concept Computation with CUDA

Die Berechnung von formalen Begriffen (cf. bi-Cliquen in Graphen) ist ein schweres Problem. Eine Vielzahl von Algorithmen und Techniken wurde entwickelt, darunter „Langdon, W.B., Yoo, S., Harman, M.: Formal Concept Analysis on Graphics Hardware. In: Napoli, A. and Vychodil, V. (eds.) CLA. pp. 413–416. CEUR-WS.org“, welche eine Implementation in CUDA darstellt. Ziel dieser Projektaufgabe ist es den CUDA Ansatz auf die Software https://github.com/tomhanika/conexp-clj zu übertragen und mit verschiedenen Datensätzen zu evaluieren.

Informationen: Tom Hanika

Kategorien: Allgemein, Bachelorarbeit, Technischer Schwerpunkt

Reduktionstechniken in der Formalen Begriffsanalyse

Ein Problem für Algorithmen der Formalen Begriffsanalyse ist die Größe der Daten. In dieser Arbeit sollen verschiedene Techniken zur Größenreduktion oder Kompression zusammengetragen und gegenübergestellt werden.

Informationen: Johannes Hirth

Kategorien: Allgemein, Bachelorarbeit, Methodischer Schwerpunkt, Technischer Schwerpunkt

PCA auf formalen Kontexten

Principal Component Analysis dient dazu Datensätze zu vereinfachen. Hierbei wird eine große Menge an (möglicherweise) korrelierten Variablen in eine möglichst aussagekräftige kleinere Menge transformiert. Dieses Vorgehen soll auf formale Kontexte übertragen werden, um die ihre Merkmalsmenge einzuschränken.

Informationen: Maren Koyda

Kategorien: Allgemein, Bachelorarbeit, Masterarbeit, Methodischer Schwerpunkt, Technischer Schwerpunkt

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, Dr. Tom Hanika, Dominik Dürrschnabel, M.Sc.Maximilian Felde, M.Sc., Johannes Hirth, M.Sc., Maren Koyda, M.Sc.Bastian Schäfermeier, M.Sc., Maximilian Stubbemann, M.Sc.