Prof. Dr. Christoph Schlieder

KInf-Projekt-M: Masterprojekt

Thema: Unterstützung von redaktionellen Arbeitsabläufen durch Sprachtechnologien

Dozenten:

• Prof. Dr. Christoph Schlieder
• Olga Yanenko, M.Sc.

Termine, Organisatorisches:

Haupttermin

Mo 14-16 Uhr, WE5/0w2.005


 

Inhalt

m Projekt werden aktuelle Technologien der Sprachverarbeitung eingesetzt, um redaktionelle Arbeitsabläufe im Print‐ bzw. Online‐Journalismus zu unterstützen. Anwendungspartner ist der Start‐up Accelerator der Mediengruppe Oberfranken (MGO), vertreten durch den Programm Manager Maximilian Grimmer.

Die erste Aufgabe für die Teilnehmerinnen und Teilnehmer besteht darin, sich einen Überblick über verfügbare Werkzeuge der Sprachverarbeitung zu verschaffen. Ausgestattet mit diesem Hintergrundwissen nehmen sie Einblick in konkrete redaktionelle Arbeitsabläufe bei der MGO und entwickeln ein möglichst erfolgversprechendes Anwendungsszenario. Da der Schwerpunkt des Projekts auf der Konzeption und Umsetzung der Softwarelösung liegt, muss die Phase bis zur Erstellung des Anwendungsszenarios effizient geplant werden.

Das Projekt bietet die Möglichkeit, auch weniger naheliegende Ansätze zu verfolgen, da neue Anwendungsfelder von Sprachtechnologien exploriert werden sollen. Der Ablauf der Arbeiten im Projekt gliedert sich in drei Phasen.

Szenariophase: Recherche zu Sprachtechnologien und den von diesen unterstützten Anwendungsszenarien; Szenario‐Workshop mit Redakteuren der MGO und Ausarbeitung eines Anwendungsszenarios (Woche 1 – 4)

Entwurfsphase: Entwicklung eines Lösungskonzepts, das die umzusetzende Funktionalität auf wenige Use‐Cases beschränkt; Softwaretechnischer Entwurf und Aufgabenverteilung bei der Implementierung (Woche 5 – 6)

Umsetzungsphase: Implementieren der Softwarelösung; Präsentation der Projektergebnisse unter Beteiligung des Start‐up Accelerator der MGO. (Woche 7 – 14)

Die Teilnehmerinnen und Teilnehmer können sich im Rahmen des Projekts u.a. in folgende Technologien zu Sprachverarbeitung einarbeiten:

• NLTK (https://www.nltk.org/)
• spaCy (https://spacy.io/)
• AllenNLP (https://allennlp.org)

Es besteht die Möglichkeit, bereits vor Beginn der Vorlesungszeit mit der Einarbeitung in die Technologien zu beginnen, dieser Aufwand entfällt dann während des Semesters. Hierbei sind insbesondere auch folgende Tools von Interesse:

• Markovify (https://datascienceplus.com/natural-language-generation-with-markovify-in-python/) 
• Senna (https://github.com/jawahar273/SRLTagger) 
• NELL (http://rtw.ml.cmu.edu/rtw/)

Lernziele

• Anforderungsanalyse durchführen: relevante Technologien identifizieren, Machbarkeit von Ideen/Anforderungen einschätzen und ein real durchführbares Projekt planen
• Softwaretechnische Fertigkeiten vertiefen: Schnittstellen definieren und gegen diese implementieren, entwerfen und umsetzen eines Softwareprojekts
• Kenntnisse erwerben in: GIT-Versionsverwaltung, Python-Programmierung, NLP und NLG

Hinweis

Literatur

Weitere Informationen finden Sie im Modulhandbuch.

Die Folien und aktuelle Informationen finden Sie auf den Webseiten des Virtuellen Campus