Sie sind hier

Anwendungen

Beispielhaft sind hier einige Anwendungen aufgeführt, die durch WeST-Know-How ermöglicht wurden.

Text Mining

Ein Anwendungsfall von Text Mining bei WeST findet sich in einer Smartphone App mit deren Hilfe Benutzer Störungen im öffentlichen Raum direkt bei die Stadtverwaltung melden können. Viele dieser Meldungen werden von den Bürgern die sie erstellen keiner genauen Kategorie, sondern zu "sonstiges" zugeordnet. In der Vergangenheit führten unkategorisierte Meldungen zu Schwierigkeiten und Mehraufwand bei der Stadtverwaltung. Daher ist eine automatische Kategorisierung der Meldungen in sinnvolle Kategorien von großer Bedeutung. Unser gegenwärtiger Ansatz, kombiniert verschiedene Quellen von Hintergrundswissen wie Wikipedia und State of the Art Text Mining Verfahren um den Inhalt der Meldungen besser zu verstehen. Infolgedessen konnten wir die Anzahl der unkategorisierten Meldungen und damit den Arbeitsaufwand der Verwaltung deutlich reduzieren.

Eyetracking - Augenbewegungsanalyse

Blickdaten von Benutzer, welche mit Hilfe eines Eyetrackinggeräts aufgezeichnet werden, können zur Generierung von Informationen zu Fotos genutzt werden. Die gewonnenen Informationen können nur unzureichend durch Algorithmen automatisiert generiert werden, z.B. die Identifizierung von Objekten in Bildern unabhängig von deren visuellen Erscheinungsform oder die Identifizierung von interessanten Fotos in einer großen Sammlung von Fotos. Das Ziel ist es hierbei, von natürlichem Betrachtungsverhalten zu profitieren, ohne den Benutzern dabei mit zusätzlichen Aufgaben zu belasten.

Politik - Analyse von Liquid Feedback

Liquid Feedback ist ein Online-Abstimmungssystem, das verwendet wird um komplexe Entscheidungen zu treffen. Benutzer können Vorschläge generieren und über diese diskutieren und abstimmen. Zusätzlich können Stimmen innerhalb des Systems an andere Nutzer zugeordnet ("delegiert") werden. Die Daten von Liquid Feedback bestehen aus Textdokumenten, Diskussionen, einem Netzwerk aus Delegationen und den vollständig dokumentierten Abstimmungen. Die Daten sind außerdem zu anderen Informationsquellen wie einem Wiki oder Benutzern auf Twitter verlinkt. Zur Analyse der Daten werden Techniken der Netzwerkanalyse eingesetzt, wie z.B. Link- oder Unlinkprediction, klassische Methoden des Data Mining oder Sprachverarbeitung (Natural Language Processing).

Semantic Web - eLISA erweiterte Lokale Information, Suche und Aggregation

Die Attraktivität einer Stadt ist eine sehr subjektive Beurteilung, die je nach Alter und Lebensumständen auf unterschiedlichen Kriterien basiert. Oft ist es schwierig, individuelle Vorstellungen mit örtlichen Gegebenheiten in Einklang zu bringen. Auch gibt es ganz unterschiedliche Gesichtspunkte, die bei der Beurteilung eine tragende Rolle spielen können. eLISA ässt den Nutzer für ihn wichtige Indikatoren auswählen, priorisieren und in einem Benutzerprofil speichern. Daraus wird dann individuell ein ortsbezogener Attraktivitätsfaktor errechnet und auf einer Karte übersichtlich angezeigt. Der Nutzer kann auf einen Blick erkennen, welche Straßen, Stadtteile oder Regionen für ihn interessant sind, da sie entsprechend markiert sind. So können beliebige Regionen schnell und einfach anhand verschiedener individueller Kriterien analysiert werden.

Semantisches Browsen von Multimedia: SemaPlorer

SemaPlorer ist eine Anwendung, die es Endbenutzern ermöglicht, eine sehr große und semantisch heterogene verteilte semantische Datenmenge in Echtzeit interaktiv zu erkunden und zu visualisieren. Der Zweck dafür kann beispielsweise sein, sich über eine Stadt, einen touristischen Bereich oder andere Interessengebiete zu informieren. Durch die Visualisierung der Daten mit Hilfe einer Karte, Medien und anderen Kontextansichten, gehen wir klar über die einfache Speicherung und den Abruf einer großen Anzahl von Tripeln hinaus.