Konzeption und Implementierung einer Cloud Robotics-Anwendung für Text-to-speech Kommunikation mit Twitter

Ziel der Arbeit ist eine verteilte Applikation, die Tweets über die Streaming-API des Kurznachrichtendienstes Twitter empfängt und diese auf den Pioneer-Robotern vorliest. Die implementierte Anwendung soll Tweets anhand frei wählbarer Suchworte filtern können und auf bestimmte Tweets mit Reaktionen, bspw. eigenen Tweets der Roboter, reagieren. Für Anwender, die keinen Twitter-Account besitzen, soll eine alternative Internetseite im responsive Design angeboten werden. Der Schwerpunkt der Arbeit ist der Softwareengineering-Prozess sowie die Beschreibung aller verwendeten Dienste und Schnittstellen.

Kolloqium: 14.04.2015

Betreuer: Dipl.-Inform. Ingo Boersch, Prof. Dr.-Ing. Jochen Heinsohn

Download: A1-Poster

Categories: Abschlussarbeiten, AMS-Projekte, RobotBuildingLab

Schlagwortgenerierung für große Dokumentenportfolios und Integration durch ein Business-Intelligence-Tool

Ziel der Arbeit ist die Evaluation von Algorithmen zur Schlagwort-Extraktion aus Dokumenten. Gesucht wird eine Methode, die sich im Kontext der Erstellung von Technologie-Übersichtskarten aus u.a. Patentschriften zur möglichst eindeutigen Beschreibung einzelner Dokumente oder Dokumentmengen eignet. Kriterien zur Abbildung von Beschreibungsgüte und Performanz sollen geeignet definiert und erhoben werden. Ausgewählte Algorithmen sollen in einem SE-Prozess umgesetzt werden. Eine besondere Schwierigkeit der Aufgabe ergibt sich durch die Arbeit mit realen Datenmengen (Stemming, Stoppworte etc.).

Anforderungen an die Algorithmen sind der Umgang mit großen Datenmengen, Laufzeit und das Finden geeigneter Schlüsselworte und –Phrasen. Es werden drei Anwendungsfälle (Suche in Daten, Clustern, Keyword-Cloud) unterschieden. Fünf Algorithmen aus dem Bereich der unüberwachten Extraktion werden dargestellt, implementiert und evaluiert. Es erfolgt eine Aufteilung in zwei Klassen, je nachdem, ob zur Schlagwort-Bestimmung eines Dokumentes die gesamte Dokumentenmenge berücksichtigt wird (TFIDF, CorePhrase) oder nicht (TextRank, Rake, statistische Kookkurrenz-Auswertung). Abschließend erfolgt nach einer Komplexitätsabschätzung die Umsetzung zweier Ansätze in einsatzbereite RapidMiner-Operatoren.

Kolloqium: 09.04.2015

Betreuer: Dipl.-Inform. Ingo Boersch, Prof. Dr. rer. nat. Gabriele Schmidt, Uwe Kuehn M. Sc. (mapegy GmbH)

Download: A1-Poster

Categories: Abschlussarbeiten, Maschinelles Lernen