Literaturseminar (SS 2019)

Aktuell


Organisation

Termine:

Das Seminar beginnt am Montag, 01.04.  mit einer kurzen Einführungs- und Themenvergabeveranstaltung.

Die Vorträge werden am 23.05. beginnen und voraussichtlich am 01.07. enden. Die genauen Termine können der unten stehenden Tabelle entnommen werden.

Im Rahmen des Seminars werden die Teilnehmer aktuelle Themen aus der wissenschaftichen Literatur vor allem aus den Bereichen "Knowledge Discovery in Databases", "Multimediadatenbanksysteme", "Information Retrieval" und "Natural Language Processing" bearbeiten.

Zu erbringende Leistungen:  selbstständige Erarbeitung eines Themas aus der wiss. Literatur, Erstellung einer schriftlichen Zusammenfassung (als Hausarbeit), Halten eines Vortrages, in dem das Thema vorgestellt wird sowie generell aktive Beteiligung am Seminar (d.h. an den Vortägen der anderen Teilnehmer).

Die Zuteilung der Reviews erfolgt in Kürze, worüber Sie dann informiert werden.

Prüfung:  Als Prüfungsleistung werden die schriftliche Ausarbeitung, der Vortrag  sowie die Reviews bewertet.



Thema Download Last Update
Folien PDF 02.04.2019

Teilnahmevoraussetzung

Neben den üblichen formalen Voraussetzungen für die Teilnahme an einer Master-Veranstaltung werden inhaltlich Kenntnisse aus mindestens einer der Vorlesungen "Knowledge Discovery in Databases", "Multimediadatenbanksysteme" und "Information Retrieval and Natural Language Processing" erwartet, da die zu bearbeitenden Themen darauf aufbauen.


Ausarbeitung

Anforderungen an die Ausarbeitung:
Bei weiteren Fragen wenden Sie sich ebenfalls an den Betreuer der Arbeit.


Thema Download Last Update
Vorlage ZIP 16.04.2019

Review

Aspekte die bei der Erstellung der Reviews berücksichtigt werden sollten:
  • Die Abgabe des Reviews hat eine Woche vor dem Vortragstermin der zu begutachtenden Ausarbeitung zu erfolgen.
  • Schreiben Sie eine kurze Zusammenfassung der vorliegenden Ausarbeitung in etwa zehn Sätzen.
  • Inhaltliche Klarheit: Ist die Ausarbeitung an allen Stellen verständlich und nachvollziehbar geschrieben? Sind Informationen und Erläuterungen gegeben, um den Inhalt zu verstehen? Werden die Erklärungen durch eigene Beispiele oder zusätzliche Grafiken veranschaulicht.
  • Form: Hält der Autor die formalen Vorgaben ein? Ist die Ausarbeitung gut und sinnvoll strukturiert? Enthält die Ausarbeitung einen roten Faden?
  • Sprache: Wie ist die sprachliche Qualität? Gibt es Rechtschreibfehler, Wortwiederholungen, etc.?
  • Welche Punkte haben Ihnen an der Ausarbeitung gut gefallen?
  • Welche Punkte möchten Sie an der Ausarbeitung kritisieren?
  • Geben Sie detaillierte Kommentare zur Ausarbeitung. Notieren Sie hier auch offene/ungeklärte Fragen. Dabei sollten Sie auch Stellen angeben, die überarbeitet werden sollten.
  • Wurde in der Ausarbeitung die Qualität des Papers diskutiert? Mit Qualität ist sowohl die formale, sprachliche, inhaltliche als auch wissenschaftliche gemeint.

Literatur und Materialien

Nachfolgend ist die Literaturliste, mit den entsprechenden Links zu den Papern. Es ist möglich, dass manche Paper nur aus dem Uni-Netzwerk (z.B. via VPN) abgerufen werden können.






Vortragstermin Zu bearbeiten von Paper Jahr Bereich Betreuer
Do. 23.05 Karsten Packeiser Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data 2001 NLP Julia Romberg
Do. 23.05. Moritz Kanzler Evaluating Textual Representations through Image Generation 2018 NLP Julia Romberg
Mo. 27.05. Vivien Hallier A Texton-Based Approach for the Classification of Lung Parenchyma in CT Images 2010 MMDBS Marta Tatusch
Mo. 27.05. Manh Khoi Duong Intriguing properties of neural networks 2016 KDD Marta Tatusch
Mo. 03.06. Suzan Padjman Page Segmentation for Historical Handwritten Documents Using Fully Convolutional Networks 2015 KDD Kirill Bogomasov
Mo. 03.06. Ellen Marhold FEATURE MATCHING OF HISTORICAL IMAGES BASED ON GEOMETRY OF QUADRILATERALS 2018 KDD Kirill Bogomasov
Do. 06.06 Yuliya Murzina Learning Texture Features for Enhancement and Segmentation of Historical Document Images 2015 KDD Kirill Bogomasov
Do. 06.06 Olexiy Chornovil Image Based Geo-Localization in the Alps 2015 KDD Kirill Bogomasov
Do. 13.06. Sergej Korlakov Time Series Anomaly Detection 2017 KDD 2 Gerhard Klassen
Do. 13.06. My Phuong Quynh Duong Real-Time Anomaly Detection for Streaming Analytics 2016 KDD 2 Marta Tatusch
Mo. 17.06. Susanna Welzel Rare Time Series Motif Discovery from Unbounded Streams 2014 KDD 2 Stefan Conrad
Mo. 17.06. Hendrik Janke Efficient Discovery of Variable-length Time Series Motifs with LargeLength Range in Million Scale Time Series 2018 KDD 2 Stefan Conrad
Mo. 24.06. Sebastian Becker Argument Mining: Extracting Arguments from Online Dialogue 2015 NLP Philipp Grawe
Mo. 24.06. Marc Feger "PageRank" for Argument Relevance 2017 NLP+IR Philipp Grawe
Do. 27.06. Laura Kühle Deep contextualized word representations 2018 NLP Julia Romberg
Do. 27.06. Daniel Ladischenski Understanding Convolutional Neural Networks for Text Classification 2018 NLP Julia Romberg
Mo. 01.07. Emil Warkentin A Comparison of Pivot Methods for Phrase-based Statistical Machine Translation 2007 NLP Philipp Grawe
Combining Fully Convolutional and Recurrent Neural Networks for 3D Biomedical Image Segmentation 2016 MMDBS Marta Tatusch
Long Short Term Memory Networks for Anomaly Detection in Time Series 2015 KDD 2 Marta Tatusch
Learning to Map Context-Dependent Sentences to Executable Formal Queries 2018 NLP Julia Romberg
Attention is All you Need 2017 NLP Julia Romberg
Isolation Forest 2008 KDD 2 Gerhard Klassen
Outlier Detection with Uncertain Data 2019 KDD 2 Gerhard Klassen
Evolutionary Clustering 2006 KDD Gerhard Klassen
Time Series Data Cleaning: From Anomaly Detection to Anomaly Repairing 2017 KDD 2 Gerhard Klassen
Dimensional Testing for Reverse k-Nearest Neighbor Search 2017 KDD Stefan Conrad
Time Series Epenthesis: Clustering Time Series Streams RequiresIgnoring Some Data 2011 KDD 2 Stefan Conrad
Real-time Personalization using Embeddings for Search Ranking at Airbnb 2018 NLP+IR Philipp Grawe
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 2018 NLP Philipp Grawe
SuperCNN: A Superpixelwise Convolutional Neural Network for Salient Object Detection 2015 KDD Kirill Bogomasov


Heinrich Heine Universität

Datenbanken und Informationssysteme

Lehrstuhlinhaber

Prof. Dr. Stefan Conrad


Universitätsstr. 1
40225 Düsseldorf
Gebäude: 25.12
Etage/Raum: 02.24
Tel.: +49 211 81-14088

Sekretariat

Sabine Freese


Sprechzeiten:
Mo-Fr: 10:00-11:30 Uhr
Mo-Do: 13:00-14:30 Uhr


Universitätsstr. 1
40225 Düsseldorf
Gebäude: 25.12
Etage/Raum: 02.22
Tel.: +49 211 81-11312
Fax: +49 211 81-13463
Verantwortlich für den Inhalt:  E-Mail senden Datenbanken & Informationssysteme