GFFT-Förderpreise 2018

Beste Masterarbeit

Dr. Gerd Gro­ße, Chris­ti­an Hen­ning, Dr. Tho­mas Kunst­mann

Chris­ti­an Hen­ning, Leib­niz Uni­ver­si­tät Han­no­ver

Esti­ma­ting the Infor­ma­ti­on Gap bet­ween Tex­tu­al and Gra­phi­cal Rep­re­sen­ta­ti­ons“

Herr Hen­ning hat in sei­ner Mas­ter­ar­beit unter­sucht, inwie­weit tex­tu­el­le und visu­el­le Infor­ma­ti­on inhalt­li­che Bezü­ge auf­wei­sen und durch das Aus­nut­zen die­ser Bezü­ge das Ver­ständ­nis von Doku­men­ten durch Bil­der geför­dert wer­den kann. Das Erken­nen sol­cher Text-Bild-Bezü­ge erfolgt durch Metho­den der künst­li­chen Intel­li­genz und kann hilf­reich sein, um z.B. Prä­sen­ta­tio­nen zu erstel­len, Lern­ma­te­ria­li­en auf­zu­be­rei­ten oder Wer­be­bot­schaf­ten zu ent­wi­ckeln. In sei­ner Mas­ter­ar­beit hat Herr Hen­ning einen neu­en Ansatz zur Bewer­tung der Text-Bild-Bezü­ge ent­wi­ckelt, der eine auto­ma­ti­sche Klas­si­fi­zie­rung hin­sicht­lich der Schnitt­men­ge des Infor­ma­ti­ons­ge­halts sowie der gemein­sa­men Bedeu­tung misst.

Beste Dissertation

Dr. Gerd Gro­ße, Dr. Bes­nik Feta­hu , Dr. Tho­mas Kunst­mann

Dr. Bes­nik Feta­hu, Leib­niz Uni­ver­si­tät Han­no­ver

Approa­ches für Enri­ching and Impro­ving Tex­tu­al Know­ledge Bases“

Herr Dr. Feta­hu hat in sei­ner Dok­tor­ar­beit einen inno­va­ti­ven Ansatz ent­wi­ckelt, um Wiki­pe­dia-Arti­kel auto­ma­tisch mit rele­van­ten, feh­len­den und wich­ti­gen Zitie­run­gen aus Infor­ma­ti­ons­me­di­en zu ergän­zen. Damit wird die Nach­weis­bar­keit, eins der zen­tra­len Prin­zi­pi­en von Wiki­pe­dia, unter­stützt. Auto­ren wer­den auch durch Vor­schlä­ge von aktu­el­len Zitie­run­gen unter­stützt. Vor dem Hin­ter­grund, dass Wiki­pe­dia täg­lich von Mil­lio­nen Men­schen und zahl­rei­chen Web-Appli­ka­tio­nen genutzt wird und der Zugang zu Wis­sen und Infor­ma­ti­on ein zen­tra­ler Grund­pfei­ler vie­ler Unter­neh­men ist, kön­nen Dr. Feta­hus For­schungs­er­geb­nis­se eine Viel­zahl von Geschäfts­sze­na­ri­en und Anwen­dungs­fäl­len maß­geb­lich beein­flus­sen.