>> KI-ALLIANZ RLP > KI-FORSCHUNG > KI-PROJEKTE > SEDIS: SEMANTIC DISENTANGLEMENT: UNTERSCHEIDUNG VON STIL UND THEMA IN TEXTDATEN
SeDis: Semantic Disentanglement: Unterscheidung von Stil und Thema in Textdaten
- Laufzeit: 01.06.2020 - 31.05.2024
Zuwendungsgeber: BMBF
Jun.-Prof. Dr. Sophie Fellenz
Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau
Das Projekt "Semantic Disentanglement: Unterscheidung von Stil und Thema in Textdaten" befasst sich mit der Entwicklung von Modellen und Software, um die automatische Analyse und Erzeugung von qualitativen Texten zu verbessern. Mögliche Anwendungen bieten Bereiche, in denen die Kommunikation zwischen Mensch und Maschine im Mittelpunkt steht wie etwa im Kundensupport oder in den sozialen Medien. Eine spezifische Herausforderung ist hierbei, was genau der Inhalt des Texts sein soll, der generiert wird, und den Stil des Texts getrennt davon zu kontrollieren. Durch ein "Disentanglement", also die Entwirrung von Stil und Thema in Textdaten, soll der Einfluss auf die erzeugten Texte und damit auch auf ihre Qualität verbessert werden.
https://presse.uni-mainz.de/sophie-burkhardt-erhaelt-bmbf-foerderung-zum-aufbau-einer-nachwuchsgruppe-in-der-informatik/
KI-Schwerpunktfelder des Forschungsprojekts
Grundlagenforschung
- Machine Learning (ML): Self-Supervised Learning, Reinforcement Learning (RL), Unsupervised Learning
- Technologieanalyse: Soziologische Aspekte, Mensch-KI-Interaktion