Stage-oe-small.jpg

Michael Färber

Aus Aifbportal
Wechseln zu:Navigation, Suche
M Faerber 230px.jpg


Michael Färber ist seit Oktober 2020 W3-Vertretungsprofessor des Lehrstuhls Web Science am KIT-Institut AIFB. Er ist zudem ein Helmholtz AI Associate.

News:

  • 10.11.2023: Best Paper-Award (1000 USD) für SemOpenAlex auf der ISWC'23.
  • 27.04.2023: Unser Workshop am Girls' Day mit reserviertem GPU-Cluster: KI & Sprachmodelle
  • 02.2023-03.2023: Forschungsaufenthalt am NII (Tokyo).
  • 27.10.2022: Best Poster-Award (300 USD) für The Green AI Ontology auf der ISWC'22.
  • 01.08.-30.09.2022: Forschungsaufenthalt/Gastprofessur am Digital Science Center (DiSC) der Universität Innsbruck.
  • 12.07.2022: NAACL-Paper: Few-Shot Document-Level Relation Extraction


Michael Färber auf


Forschung

Profil: Als stellvertretender W3-Professor bis 2025 leite ich die Forschungsgruppe „Web Science“ am Karlsruher Institut für Technologie (KIT). Gemeinsam mit meinem Team aus sieben Doktoranden und einem Postdoc arbeite ich an der Entwicklung und Anwendung von Methoden der Künstlichen Intelligenz (KI). Konkret liegt mein Fokus in den Bereichen Wissensrepräsentation, Machine Learning und Natural Language Processing. Seit meiner Postdoc-Phase habe ich es mir zur Aufgabe gemacht, Lösungen für das immer drängendere Problem der ansteigenden Informationsflut in der Wissenschaft (vgl. „Tsunami von Publikationen“) zu finden und neuartige Methoden der Kommunikation in der Wissenschaft zu entwickeln. Zu diesem Zweck forsche ich an der Extraktion und Modellierung wissenschaftlichen Wissens, insbesondere an der Erstellung von großen Wissensgraphen. Zudem entwickle ich Such- und Empfehlungssysteme, die das explizit modellierte Wissen nutzen und gleichzeitig die Ergebnisse und Empfehlungen dem Benutzer erklären können. Ich habe mehr als 80 Publikationen auf renommierten internationalen Konferenzen (z. B. CIKM, ISWC, ECIR, NAACL) mit internationalen Forschern veröffentlicht. Darüber hinaus leite ich als Principal Investigator (PI) mehrere Projekte (z. B. TruthfulLM, ChemKB, IIDI, KIGLIS, KIWI) am KIT-Institut AIFB.


Publikationen

Forschungsinteressen

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


Unter anderem betreibt Michael Färber Forschung zu wissenschaftlichem Data Mining (z. B. Quantifizierung des Impacts von Publikationen), Empfehlungssystemen für WissenschafterInnen (z. B. Empfehlung von Zitationen, Publikationen, Datensätzen und neuronalen Netzen) und wissenschaftlichen Wissensgraphen (z. B. Modellierung von Papieren, Autoren, Methoden und Datensätzen). Darüber hinaus entwicklt er KI-Lösungen für die Friedensmediation (siehe AI4Peace).

Online-Demonstratoren

Kürzlich entwickelte und veröffentlichte Online-Demonstrationssysteme:

  • RefBee: http://refbee.org/
    • ...zeigt für einen Autor an, welche Publikationen in welchen bibliographischen Datenbanken gespeichert sind.
  • C-Rex: http://c-rex.org
    • ...empfiehlt Zitate für gegebene Texte.
  • PaperHunter: http://paperhunter.net
    • ...liefert u.a. die Sätze, in denen gesuchte Paper zitiert werden, sowie weitere Hintergrundinformationen.
  • ScholarSight: http://scholarsight.org
    • ...erlaubt die Exploration von Trends von wissenschaftlichen Konzepten.
  • Linked Crunchbase: http://linked-crunchbase.org
    • ... erlaubt die Abfrage von Informationen über Startups und innovative Firmen im Semantic Web-Format RDF.


Datensätze

Kürzlich entwickelte und veröffentlichte Datensätze:

  • DSKG: http://dskg.org
    • ...ein Wissensgraph über Datensätze.
  • unarXive: http://unarxive.org
    • ...enthält die Fließtexte aller Paper auf arXive.org mit weiteren Annotationen.
  • Microsoft Academic Knowledge Graph: https://makg.org
    • ...ein Wissensgraph mit Metadaten von annäherend allen Publikationen in allen wissenschaftlichen Disziplinen.
  • FAIRnets: https://doi.org/10.5281/zenodo.3885249
    • ...ein Wissensgraph mit Metadaten über neuronale Netze.


Code, Daten und Präsentationen



Offene Stellen & Abschlussarbeiten

Offene Hiwi-Stellen

  • im Bereich Machine Learning, Natural Language Processing oder Wissensgraphen: [1].
  • im Bereich Semantic MediaWiki oder PHP: [2].


Offene, ausgeschriebene Abschlussarbeitsthemen

 Titel
Thema4864Quantum Computing for Natural Language Processing
Thema4977Knowledge Graphs for Robots’ Situational Awareness
Thema4420Wie fair sind Forscher? Eine Analyse von Zerrungen bzgl. Zitaten in wissenschaftlichen Publikationen
Thema4909Scalable Graph Neural Networks on Knowledge Graphs
Thema4910Performance Analysis of Graph Neural Diffusion via Fourier Decomposition
Thema4648Creating a Large Knowledge Graph about Scientific Publications for Innovation Forecast
Thema4574Deep Learning + Knowledge Graphs
Thema4772GPT-3, BERT & Co.: When to use which language model?
Thema4423Automatically Recommending Citations for Texts Using Neural Networks


Anfragen zu weiteren Abschlussarbeitsthemen mit beliebigem Thema gerne willkommen.
Michael Färber hat bereits mehr als 50 Abschlussarbeiten betreut (➜ Liste aller direkt betreuten abgeschlossenen Abschlussarbeiten am AIFB).

Abschlussarbeiten im Ausland

Viele der Abschlussarbeitsthemen können auch an einer Partnerinstitution im Ausland (z.B. Japan, USA) geschrieben und vom DAAD großzügig gefördert werden. 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
Transparent.png

ChemKB

Digilog-logo.png

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

IIDI Logo.png

IIDI

Transparent.png

KD4RE

Kiglis logo.png

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

Screenshot 2023-06-29 at 11.42.04.png

KIWI
Externer Link: https://bmdv.bund.de/SharedDocs/DE/Artikel/DG/mfund-projekte/kiwi.html

Transparent.png

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