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 Postdoc in Prof. Dr. York Sure-Vetter's Web Science-Gruppe am Institut AIFB des KITs seit April 2019.

Forschung

Michael Färbers Forschungsinteressen liegen in den Bereichen

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

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