Natural Language Processing Group
«Wir verbinden Grundlagenforschung mit industriellen Anwendungen, um neue und innovative Produkte und Dienstleistungen hervorzubringen, während wir gleichzeitig die ethischen und gesellschaftlichen Dimensionen erforschen.»
Expertise
- Textanalytik
- Dialogsysteme
- Sprachverarbeitung
Das NLP-Forschungsteam entwickelt Technologien zur Analyse, zum Verständnis und zur Generierung von Sprache und Texten. Wir verbinden Methoden aus der Linguistik, dem Natural Language Processing (NLP) und der künstlichen Intelligenz, um eine natürlichsprachliche Kommunikation zwischen Mensch und Maschine zu ermöglichen. In unserer Forschung arbeiten wir an Themen wie der Textklassifikation (z. B. Sentiment-Analyse), Chatbots und Dialogsystemen, Textzusammenfassung, Speech-to-Text, Sprecherunterscheidung sowie der Generierung von natürlicher Sprache (Natural Language Generation). Die schweizerdeutsche Sprach- und Textverarbeitung bildet einen besonderen Schwerpunkt der Gruppe.
Angebote
- Einblick: Keynotes, Trainings
- KI-Beratung: Workshops, Expertenunterstützung, Beratung, Technikfolgenabschätzung
- Forschung und Entwicklung: kleine bis grosse Gemeinschaftsprojekte, Drittmittelforschung, studentische Projekte, praxiserprobte Prototypen
Team
Projekte
-
NLP Community Building - ComBi
SwissNLP möchte in einer konzertierten Aktion die Schweizer Akteure aus Industrie, Wissenschaft und Administration im Bereich Natural Language Processing (NLP) besser vernetzen. Dazu sollen bis Ende 2025 verschiedene Aktivitäten durchgeführt werden, um dieses Ziel zu erreichen (z.B. Expert Group Meetings, angewandte ...
-
AI4CP: AI für sich selbst-organisierende Content Plattform
In dieser Vorstudie soll ein Prototyp entwickelt werden, der aus dem Text einer Website oder eines Blog-Posts einen Vorschlag für einen Content-Post für die Conteo-Plattform erstellt. Dieser Prototyp soll vollautomatisch arbeiten, einen Text in vorgegebener Länge und Struktur erzeugen und den Post den jeweils ...
-
Towards a Voice-Based Chatbot for Language Learners (ChaLL)
Wir entwickeln ChaLL, den Prototypen eines sprachbasierten Chatbots. ChaLL bietet Sprachlerner:innen die Möglichkeit, das Sprechen in verschiedene aufgabenbasierten Konversationen zu üben und Feedback zu erhalten, frei von den zeitlichen Beschränkungen und dem Stress des klassischen Umfeldes im Klassenzimmer. ...
-
PRISM: Predicting Radicalization Events in Social Media User Timelines
Das PRISM-Projekt konzentriert sich auf die Erkennung von Radikalisierungsereignissen in Social-Media-Netzwerken. Insgesamt sind wir daran interessiert, die Mechanismen aufzudecken, die dazu führen, dass extremistische Ideologie übertragen und in die Weltanschauung eines Social-Media-Nutzers oder -Nutzerin ...
-
Evaluation automatische Spracherkennung (Schweizerdeutsch) für Menschen mit Schwerhörigkeit
Schriftdolmetschen ist eine Dienstleistung der Pro Audito für Schwerhörige/Hörbehinderte in verschiedensten Alltagssituationen. Ca. 100 Einsätze monatlich werden den Mitgliedern vermittelt, das Interesse ist aber viel grösser. Deshalb möchten wir evaluieren, inwieweit automatische Spracherkennung das ...
Publikationen
-
von Grünigen, Dirk; Benites de Azevedo e Souza, Fernando; Pradarelli, Beatrice; Magid, Amani; Cieliebak, Mark,
2018.
Best practices in e-assessments with a special focus on cheating prevention [Paper].
In:
Proceedings of 2018 IEEE Global Engineering Education Conference (EDUCON).
2018 IEEE Global Engineering Education Conference (EDUCON18), Tenerife, 17-20 April 2018.
IEEE.
S. 893-899.
Verfügbar unter: https://doi.org/10.1109/EDUCON.2018.8363325
-
Stadelmann, Thilo; Amirian, Mohammadreza; Arabaci, Ismail; Arnold, Marek; Duivesteijn, Gilbert François; Elezi, Ismail; Geiger, Melanie; Lörwald, Stefan; Meier, Benjamin Bruno; Rombach, Katharina; Tuggener, Lukas,
2018.
Deep learning in the wild [Paper].
In:
Artificial Neural Networks in Pattern Recognition.
8th IAPR TC3 Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR), Siena, Italy, 19-21 September 2018.
Springer.
S. 17-38.
Lecture Notes in Computer Science ; 11081.
Verfügbar unter: https://doi.org/10.1007/978-3-319-99978-4_2
-
Tuggener, Lukas; Elezi, Ismail; Schmidhuber, Jürgen; Stadelmann, Thilo,
2018.
Deep watershed detector for music object recognition [Paper].
In:
Proceedings of the 19th International Society for Music Information Retrieval Conference.
19th International Society for Music Information Retrieval Conference, Paris, 23-27 September 2018.
Paris:
Society for Music Information Retrieval.
Verfügbar unter: https://doi.org/10.21256/zhaw-3760
-
Tuggener, Lukas; Elezi, Ismail; Schmidhuber, Jürgen; Pelillo, Marcello; Stadelmann, Thilo,
2018.
DeepScores : a dataset for segmentation, detection and classification of tiny objects [Paper].
In:
2018 24th International Conference on Pattern Recognition (ICPR).
24th International Conference on Pattern Recognition (ICPR 2018), Beijing, China, 20-28 August 2018.
IEEE.
S. 1-6.
Verfügbar unter: https://doi.org/10.1109/ICPR.2018.8545307
-
Sugisaki, Kyoko; Tuggener, Don,
2018.
German compound splitting using the compound productivity of morphemes [Paper].
In:
Barbaresi, Adrien; Biber, Hanno; Neubarth, Friedrich; Osswald, Rainer, Hrsg.,
14th Conference on Natural Language Processing - KONVENS 2018.
14th Conference on Natural Language Processing (KONVENS 2018), Vienna, Austria, 19-21 September 2018.
Austrian Academy of Sciences Press.
S. 141-147.
Verfügbar unter: https://doi.org/10.21256/zhaw-4974