Seminar Knowledge Graphs

Veranstalter: Prof. Carsten Lutz

S2, Modulbereich Praxis, 2 SWS (4 ECTS)

Vorbesprechung: Mittwoch, 03.04.2018, 16-18 Uhr, Cartesium Raum 0.01
Themenvergabe: Mittwoch, 10.04.2018, 16-18 Uhr, Cartesium Raum 0.01

Ohne Teilnahme an den Veranstaltungen zu Vorbesprechung und Themenvergabe kann das Seminar nicht belegt werden.
Wer Interesse an dem Seminar hat, aber nicht zur Vorbesprechung kommen kann, meldet sich bitte bis 02.04.2018 per email.

In diesem Leitfaden finden sich Hinweise zur erfolgreichen Teilnahme. Der Ablauf wird in diesem Jahr leicht abweichen.

Kurzbeschreibung

Knowledge Graphs sind Datensammlungen, die Wissen über ein bestimmtes Gebiet oder für eine bestimmte Anwendung zur Verfügung stellen. Der bekannteste Knowledge Graph ist der Google Knowledge Graph, der von Google verwendet wird, um Suchergebnisse zu verbessern und den Inhalt von Infoboxen bereitzustellen. Auch Facebook und Microsoft sowie viele kleinere Unternehmen verwenden Knowledge Graphs, zudem gibt es verschiedene frei verfügbare Knowledge Graphs wie Wikidata, DBPedia, YAGO, BabelNet und Freebase. In Knowledge Graphs ist das Wissen in der Form eines gerichteten, beschrifteten und vielfältig annotierten Graphs dargestellt. Man kann sich einen solchen Graph als Netzwerk vorstellen, in dem die Knoten die relevanten Objekte, Entitäten und Konzepte repräsentieren und die Kanten die Beziehungen, die dazwischen gelten. Im Vergleich zur klassischen Wissensrepräsentation sind Knowledge Graphs wenig formalisiert und meist sehr groß. Zur Konstruktion, Anfrage und Weiterentwicklung von Knowledge Graphs werden vielfätige Methoden angewendet wie beispielsweise Data Mining, Machine Learning, Ontologien und Techniken aus dem Bereich der semistrukturierten Daten. Dieses Seminar soll einen Einblick in das sich gerade erst formierende Gebiet der Knowledge Graphs geben und die vielfältigen Aspekte dieses Gebietes beleuchten.

Konkrete Themen werden u.a. aus folgenden Bereichen angeboten:

Konkrete Literatur wird in der Vorbesprechung vorgestellt und in Stud.IP bereitgestellt.

Organisation

Die Teilnehmer wählen nach der Vorbesprechung ein Thema, dass sie in einer 2er Gruppe bearbeiten. Zu jedem Thema gibt es einen oder mehrere (englischsprachige) Aufsätze, die von den bearbeitenden Teilnehmern zunächst gelesen und verstanden werden sollen. Jede Gruppe fertigt eine lesbare ca. 10-15 seitige Ausarbeitung an, deren Form den Standards wissenschaftlichen Arbeitens genügt. Die Gruppen begutachten und korrigieren gegenseitig die ersten Versionen ihrer Hausarbeiten ("Peer Review"). Die Bewertung / Kritik aus dem Peer Review fließt nicht in die Endnote der begutachteten Arbeit ein, wohl aber die Qualität des Peer Reviews. Am Ende des Semesters findet ein Blockseminar statt, in dem jede Gruppe ihr Thema in einem Vortrag den anderen Teilnehmern in verständlicher Weise darstellt. Die Zeitplanung gehört zu den Aufgaben der Teilnehmer. Mehr Tipps zur erfolgreichen Teilnahme gibt es in diesem Leitfaden.

Terminplan

10.04. bis 08.05. Literatur lesen und verstehen, Unklarheiten in der Gruppe diskutieren
08.05. Informelle Kurzvorträge über die gewählten Themen und Literaturinhalte
spätestens 09.05. Beginnen, an der Hausarbeit zu schreiben
29.05. Gemeinsames Treffen, um Fortschritt und eventuell aufgetretene Probleme zu besprechen
21.06. Abgabe der fertigen Hausarbeit zum "Peer Review"
28.06. Abgabe der "Peer Reviews" und Vorlage der ersten Version der Folien für den Vortrag
09.07. Blockseminar und Abgabe der korrigierten Version der Hausarbeit

AG Theorie der künstlichen Intelligenz