Einführung in probabilistische Logikprogrammierung mit einem Fanfiktion-Toy-Modell (eBook, PDF)
PAYBACK Punkte
0 °P sammeln!
Projektarbeit aus dem Jahr 2021 im Fachbereich Informatik - Computerlinguistik, Note: 1,0, Technische Universität Darmstadt, Sprache: Deutsch, Abstract: Diese Arbeit dient einer kurzen Einführung zur Analyse von Graphen bzw. Netzwerken mithilfe probabilistischer Logikprogrammierung (ProbLog). Sie fängt in Abschnitt 2 mit dem Anwendungsbeispiel für die Implementierung eines ProbLog-Programms an. Hierfür wird ein sehr vereinfachtes Toy-Modell genutzt, dass einem sozialen Netzwerk auf der Literaturplattform Fanfiktion.de ähnelt und soll dabei zur Suche von Subcommunities genutzt werden. In ...
Projektarbeit aus dem Jahr 2021 im Fachbereich Informatik - Computerlinguistik, Note: 1,0, Technische Universität Darmstadt, Sprache: Deutsch, Abstract: Diese Arbeit dient einer kurzen Einführung zur Analyse von Graphen bzw. Netzwerken mithilfe probabilistischer Logikprogrammierung (ProbLog). Sie fängt in Abschnitt 2 mit dem Anwendungsbeispiel für die Implementierung eines ProbLog-Programms an. Hierfür wird ein sehr vereinfachtes Toy-Modell genutzt, dass einem sozialen Netzwerk auf der Literaturplattform Fanfiktion.de ähnelt und soll dabei zur Suche von Subcommunities genutzt werden. In Abschnitt 3 wird dann das Netzwerk mitsamt Argumentation bezüglich der Communitybildung in die logische Repräsentation von ProbLog übersetzt. Indem Schritt für Schritt die vorausgehenden Überlegungen in diese Form gebracht werden, soll der Leser gleichzeitig einen Einblick in die Syntax von ProbLog erhalten und die Parallelen zwischen der netzwerktheoretischen und logikbasierten Sicht erkennen können. Nach der logischen Repräsentation des Netzwerks beginnt die Analyse der Communities, indem verschiedene Argumentationstechniken demonstriert werden. Wie in der klassischen Logik wird kurz beschrieben, wie Deduktion, Abduktion und Induktion in ProbLog Gestalt annehmen und somit verschiedene Perspektiven eingenommen werden können, je nachdem welches Ziel erreicht werden soll. Um den Einstieg in diese Methoden zu erleichtern, wird die Automatisierung der Argumentation noch mit einer "analogen" ergänzt. Desweiteren ist anzumerken, dass die Analyseresultate zur Communityzugehörigkeit in Form von Wahrscheinlichkeiten gegeben sind. Das hat den Vorteil, dass die Communityzugehörigkeit als Maß zwischen 0 und 1 interpretiert werden kann und somit wiederum eine nicht-binäre Sicht ermöglicht, die den Umgang mit unsicheren Informationen differenzierter gestaltet. Zuletzt wird in Abschnitt 4 eine potentielle zukünftige Arbeit in diesem Bereich beleuchtet.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.
Andere Kunden interessierten sich für
