Schlagwort: Forschung

Soziale Medien spielen in der gesellschaftlichen Meinungsbildung eine wachsende Rolle. Gegenstand von RANT ist die Entwicklung von Methoden und Formalismen zur Extraktion, Repräsentation und Verarbeitung von Argumenten aus Texten geringer linguistischer Qualität, wie sie eben in Diskussionen auf sozialen Medien ...

Im Rahmen dieses Teilprojekts entwickelt der Lehrstuhl für Korpus- und Computerlinguistik robuste Maße für lexikalische Komplexität, erweitert den Komplexitätsbegriff über die gängige vocabulary richness hinaus und implementiert die Ergebnisse in einer frei verfügbaren stilometrischen Toolbox...

Leistungsanalyse in Mannschaftssportarten ist ein aufstrebendes Feld in der Sportinformatik. Durch die Aufzeichnung von Positionsdaten in Europas Top-Ligen ist eine große Datenmenge zur Analyse mit Methoden aus den Bereichen des maschinellen Lernens und der Signalverarbeitung möglich...

BMBF-Projekt „Objekte im Netz. Digitalisierung und Dynamisierung der Sammlungen der Universität Erlangen-Nürnberg“ Die FAU verfügt über eine überaus reiche Sammlungslandschaft. Objekte aus über 20 Sammlungen spielen in Forschung und Lehre in den unterschiedlichsten Disziplinen und Fächern eine wich...

Die Friedrich-Alexander-Universität Erlangen-Nürnberg besitzt, obwohl bislang weniger bekannt, eine der umfangreichsten Münzsammlungen an Universitäten im deutschsprachigen Raum überhaupt. Ihre traditionsreichen Bestände umfassen neben den Sammlungen Will und Gerlach, Sinugowitz und der Ilse...

Die Digitalisierung der Gesellschaft und der Mediensysteme hat immense Auswirkungen auf (politische) Meinungsbildung und Diskurse. Dieses Projekt widmet sich der Untersuchung eines komplexen Phänomens, das im Zeitalter globalisierter Massenmedien und einer nationale Grenzen...

Ziel des Projekts ist es, speicherintensive maschinelle Lernverfahren für den Einsatz auf HPC-Clustern zu optimieren, um Simulationsexperimente zur systematischen Parameteroptimierung der Verfahren durchführen zu können. Als prototypischer Anwendungsfall dienen Matrixfaktorisierungen und Deep...

Projektzeitraum: 10/01/16 – 10/01/19 Projektleiter: Björn Eskofier Projektbeteilige: Robert Richer