Michael Färber

• Dr. Michael Färber

• Wissenschaftlicher Mitarbeiter
• Tel.:+49 721 608 465 92
• Email: michael faerber∂kit edu
• Raum: 5A-15 (Geb. 05.20)

• Forschungsgruppe: Web Science
• Sprechstunde nach Vereinbarung
• vCard

Michael Färber ist seit 01.10.2020 Vertretungsprofessor der Forschungsgruppe Web Science am KIT-Institut AIFB.

---

Forschung

Michael Färbers Forschungsinteressen:

• Natürliche Sprachverarbeitung (natural language processing),
• Machinelles Lernen (machine learning) und
• Wissensrepräsentation (z.B. Semantic Web).

Seine momentaner Forschungsschwerpunkt liegt im Bereich scholarly data mining. Mehr Informationen finden sich auf seiner Homepage und auf Google Scholar.
Kürzlich entwickelte und veröffentlichte Online-Demonstrationssysteme:

• PaperHunter: http://paperhunter.net
• ScholarSight: http://scholarsight.org
• Linked Crunchbase: http://linked-crunchbase.org/

Kürzlich entwickelte und veröffentlichte Datensätze:

• unarXive: http://unarxive.org
• Microsoft Academic Knowledge Graph: http://ma-graph.org

---

Offene Stellen & Abschlussarbeiten

Offene Hiwi-Stelle im Bereich Machine Learning, Natural Language Processing, und/oder Semantic Web Technologies: [1].

Offene, ausgeschriebene Abschlussarbeitsthemen:

	Titel
Thema4420	Wie fair sind Forscher? Eine Analyse von Zerrungen bzgl. Zitaten in wissenschaftlichen Publikationen
Thema4423	Automatically Recommending Citations for Texts Using Neural Networks
Thema4574	Deep Learning + Knowledge Graphs
Thema4648	Creating a Large Knowledge Graph about Scientific Publications for Innovation Forecast
Thema4772	GPT-3, BERT & Co.: When to use which language model?
Thema4864	Quantum Computing for Natural Language Processing
Thema4909	Scalable Graph Neural Networks on Knowledge Graphs
Thema4910	Performance Analysis of Graph Neural Diffusion via Fourier Decomposition
Thema4939	Chronik 2050: Automatische Extraktion von erwarteten Ereignissen aus Webseiten
Thema4977	Knowledge Graphs for Robots’ Situational Awareness

Anfragen zu weiteren Abschlussarbeitsthemen zu Themen wie

• Natural Language Processing (NLP) / Text Mining
• Angewandtes Machine Learning
• Semantic Web / Linked Data
• Big Data
• Data Science

gerne willkommen.
Viele der Abschlussarbeitsthemen können auch an einer Partnerinstitution im Ausland (z.B. Japan, Italien, Frankreich) geschrieben und vom DAAD gefördert werden, sofern die Bewerbung ein Jahr vorher stattfindet. Mehr Informationen unter Web_Science/DAAD-Stipendium.

Publikationen

Publikationen

Abschlussarbeiten

Abschlussarbeiten

Tools

FAIRnets, KB-Statistics, Linked Crunchbase, Novel Triple Extraction

Datasets

AWARE Ontology, CrunchBase Knowledge Graph, KORE 50^DYWC, Microsoft Academic Knowledge Graph, NewsBias2020, UnarXive, XLiD-Lexica

Aktive Projekte

ChemKB

digilog@bw Externer Link: https://digilog-bw.de

IIDI

KD4RE

KIGLIS Externer Link: http://www.kiglis.de/

TruthfulLM

Forschungsgebiete

Semantische Suche, Wissensrepräsentation, Maschinelles Lernen, Text Mining, Semantische Annotation, Informationsextraktion, Natürliche Sprachverarbeitung, Digitale Bibliotheken, Knowledge Discovery, Data Mining, Künstliche Intelligenz, Data Science, Semantic Web, Trustworthy AI

KIT Funktionen und Kompetenzfelder

Cognition and Information Engineering