Skip to main content Skip to main navigation
MLT Headerbild© Adobe Stock

Sprachtechnologie und Multilingualität

QAIE Team

Wir sind ein Team am MLT-Labor am DFKI, die sich auf Fragenbeantwortung (QA) und Informationsextraktion (IE) – einfach QAIE – spezialisiert hat.

Question Answering (Finden und Extrahieren von Antworten auf natürlichsprachliche Fragen aus Text) und Information Extraction (Extrahieren von Entitäten und Relationen aus Text) sind eng miteinander verwandt: beide teilen eine Reihe von Teilaufgaben wie Named Entity Recognition, Relation Extraction und Entity Linking. Wir erforschen und entwickeln Methoden, die Sprachtechnologie, Maschinelles Lernen und Deep Learning kombinieren, von Kernkomponenten bis hin zu kompletten End-to-End-Lösungen. Wir entwickeln QAIE-Lösungen in vielen Anwendungsbereichen, darunter e-Health, BioNLP, e-Learning und intelligente Assistenz.
 

Demo: Automatische Fragengenerierung mit tiefem Lernen


Auswahl aktueller Projekte

PERKS

Eliciting and Exploiting Procedural Knowledge in Industry 5.0.

Das PERKS-Projekt unterstützt die ganzheitliche Steuerung von industriellem prozeduralem Wissen (PK) in seinem gesamten Lebenszyklus, von der Erhebung bis zum Management und vom Zugang bis zur Nutzung.

Projektseite

Meere Online

Meere Online ist ein Projekt der Deutschen Meeresforschung im Kernbereich des Transfers. Auf dem digitalen Informationsportal Meere Online werden wissenschaftliche Fakten zu relevanten Meeresthemen zusammengestellt. Als Highlight wird eine KI-unterstützte Suche den Nutzern den Zugang zu den Themen erleichtern.

Projektseite

Fair Forward

Laufzeit: 01.05.2020–30.06.2021
Beratungsdienste für die Gesellschaft für Internationale Zusammenarbeit (GIZ) zu technischen Aspekten der KI in der internationalen Zusammenarbeit einschließlich Verarbeitung natürlicher Sprache (NLP), Trainingsdaten und Datenzugang für FAIR Forward - Künstliche Intelligenz für alle. GIZ Project No. 19.2010.7-003.00

Projektseite

XAINES

XAINES (01.09.2020 - 31.08.2024): Explaining AI with Narratives, funded by BMBF (01IW20005).

Projektseite


Ausgewählte neuere Veröffentlichungen

  • Stalin Varanasi, Muhammad Umer Butt, and Günter Neumann (2023) AutoQIR: Auto-Encoding Questions with Retrieval Augmented Decoding for Unsupervised Passage Retrieval and Zero-shot Question Generation, Proceedings of Recent Advances in Natural Language Processing (RANLP-2023), Bulgaria, 2023.
  • Saadullah Amin, Pasquale Minervini, David Chang, Pontus Stenetorp, and Günter Neumann (2022) MedDistant19: Towards an Accurate Benchmark for Broad-Coverage Biomedical Relation Extraction, Proceedings of The 29th International Conference on Computational Linguistics (Coling-2022), October 12-17, 2022, Gyeongju, Republic of Korea
  • Ioannis Dikeoulias, Saadullah Amin, and Günter Neumann (2022) Temporal Knowledge Graph Reasoning with Low-rank and Model-agnostic Representations , Proceedings of the 7th Workshop on Representation Learning for NLP. ACL-2022, RepL4NLP May 2022, Pages 111-120 ACL 5/2022 (RepL4NLP-2022), May, 2022.
  • Saadullah Amin, Noon Pokaratsiri, Morgan Wixted, Alejandro García-Rudolph, Catalina Martínez-Costa, and Günter Neumann (2022) Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts , Proceedings of the 21st Workshop on Biomedical Language Processing. ACL-2022 BioNLP, May 22-27, Pages 200-211 ACL 5/2022. (BioNLP-2022), May, 2022.
  • Stalin Varanasi, Saadullah Amin and Günter Neumann (2021) AutoEQA: Auto-Encoding Questions for Extractive Question Answering, In Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP-2021), Nov. 2021.