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
Im Zuge des Neuaufbaus der Forschungsdatenbank sind die bisherigen Listen mit Forschungsprojekten nicht mehr abrufbar. Die Zukunft geht in Richtung Volltextsuche und Filterung, um bestmögliche Suchergebnisse für unsere Besucher:innen zur Verfügung zu stellen.
In der Zwischenzeit kannst du die Projekte ganz einfach unter folgenden Link per Textsuche finden: «Zur neuen Suche in der Projektdatenbank»
Publikationen
-
von Däniken, Pius; Cieliebak, Mark,
2017.
Transfer learning and sentence level features for named entity recognition on tweets [Paper].
In:
Proceedings of the 3rd Workshop on Noisy User-generated Text.
3rd Workshop on Noisy User-generated Text (W-NUT), Copenhagen, Denmark, 7 September 2017.
Association for Computational Linguistics.
S. 166-171.
Verfügbar unter: https://doi.org/10.21256/zhaw-1528
-
Uzdilli, Fatih; Cieliebak, Mark; Egger, Dominic,
2016.
Adverse drug reaction detection using an adapted sentiment classifier [Paper].
In:
Proceedings of the Social Media Mining Shared Task Workshop at the Pacific Symposium on Biocomputing.
Pacific Symposium on Biocomputing, Fairmont Orchid, USA, 4-8 January 2016.
-
2016.
Deep learning for infinite applications in text analytics.
swiTT Report.
-
Cieliebak, Mark; Keck Frei, Andrea,
2016.
Influence of flipped classroom on technical skills and non-technical competences of IT students [Paper].
In:
Global Engineering Education Conference (EDUCON), Abu Dhabi, UAE, 10-13 April 2016.
IEEE.
S. 1012-1016.
Verfügbar unter: https://doi.org/10.1109/EDUCON.2016.7474676
-
2016.
Optimising Deep Learning for Infinite Applications in Text Analytics.
ERCIM News.
107.
Verfügbar unter: http://dreamboxx.com/mark/data/ercim_news_107_2016_article.pdf