Ergebnisse für *

Es wurden 2 Ergebnisse gefunden.

Zeige Ergebnisse 1 bis 2 von 2.

Sortieren

1. Schlussbericht PACE (Passau Center for eHumanitieas)

   Laufzeit des Vorhabens: 01.04.2016-31.03.2019
   Autor*in: Bermeitinger, Bernhard

   Erschienen: [2019?]

   Verlag:  Universität Passau, Passau

   • Bibliographische Angaben
   • Zugang
   • Export

   Zugang:

   Resolving-System (Kostenfrei)

   Hannover: Technische Informationsbibliothek (TIB) / Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek

   Standort:

   Technische Informationsbibliothek (TIB) / Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek

   Fernleihe:

   keine Fernleihe

   Link zum Verbundkatalog:

   Gemeinsamer Bibliotheksverbund (GBV)

   Export in Literaturverwaltung

   RIS-Format   BibTeX-Format

   Quelle:	Verbundkataloge
   Beteiligt:	Decker, Jan-Oliver (VerfasserIn); Dickelberger, Alois (VerfasserIn); Donig, Simon (VerfasserIn); Harnisch, Rüdiger (VerfasserIn); Heckmann, Dirk (VerfasserIn); Rehbein, Malte (MitwirkendeR); Handschuh, Siegfried (MitwirkendeR)
   Sprache:	Deutsch
   Medientyp:	Buch (Monographie)
   Format:	Online
   Weitere Identifier:	doi: 10.2314/KXP:169151568X 01UG1602
   Schlagworte:	Multimodalität; Deep learning; Semantic Web; Digital Humanities;
   Umfang:	1 Online-Ressource (67 Seiten, 1,5 MB), Illustrationen, Diagramme
   Bemerkung(en):	Förderkennzeichen BMBF 01UG1602 Autoren dem Berichtsblatt entnommen Projektleiter und Kooperationspartner dem Ressourceninhalt entnommen (Kapitel 1: Kurzdarstellung) Unterschiede zwischen dem gedruckten Dokument und der elektronischen Ressource können nicht ausgeschlossen werden

2. Semantic author name disambiguation with word embeddings

   Autor*in: Müller, Mark-Christoph

   Erschienen: 2022

   Verlag:  Cham : Springer ; Mannheim : Leibniz-Institut für Deutsche Sprache (IDS) [Zweitveröffentlichung]

   We present a supervised machine learning AND system which tackles semantic similarity between publication titles by means of word embeddings. Word embeddings are integrated as external components, which keeps the model small and efficient, while... mehr

   • Bibliographische Angaben
   • Zugang
   • Beschreibung

   Volltext:	https://ids-pub.bsz-bw.de/frontdoor/index/index/docId/11135 https://ids-pub.bsz-bw.de/files/11135/Mueller_Semantic_author_name_disambiguation_2017.pdf
   Zitierfähiger Link:	https://nbn-resolving.org/urn:nbn:de:bsz:mh39-111355 https://doi.org/10.1007/978-3-319-67008-9_24

   We present a supervised machine learning AND system which tackles semantic similarity between publication titles by means of word embeddings. Word embeddings are integrated as external components, which keeps the model small and efficient, while allowing for easy extensibility and domain adaptation. Initial experiments show that word embeddings can improve the Recall and F score of the binary classification sub-task of AND. Results for the clustering sub-task are less clear, but also promising and overall show the feasibility of the approach.

   Export in Literaturverwaltung

   Quelle:	BASE Fachausschnitt Germanistik
   Sprache:	Englisch
   Medientyp:	Konferenzveröffentlichung
   Format:	Online
   DDC Klassifikation:	Sprache (400)
   Schlagworte:	Maschinelles Lernen; Veröffentlichung; Deep learning; Semantik; Computerlinguistik
   Lizenz:	rightsstatements.org/page/InC/1.0/ ; info:eu-repo/semantics/openAccess