Modul CS4522-KP12

Dauer

2 Semester

Angebotsturnus

Jedes Sommersemester beginnend

Leistungspunkte

12

Studiengang, Fachgebiet und Fachsemester:

• Master Informatik 2019, Wahlpflicht, Vertiefungsmodule, Beliebiges Fachsemester

Lehrveranstaltungen:

• CS4522-Ü: Knowledge Representation and Common Sense Reasoning (Übung, 1 SWS)
• CS4524-P: Projektpraktikum Common Sense Reasoning and Natural Language Understanding (Praktikum, 3 SWS)
• CS4524-V: Reasoning in Natural Language Understanding (Vorlesung, 2 SWS)
• CS4522-V: Knowledge Representation and Common Sense Reasoning (Vorlesung, 3 SWS)

Workload:

• 95 Stunden Selbststudium
• 135 Stunden Präsenzstudium
• 90 Stunden Gruppenarbeit
• 40 Stunden Prüfungsvorbereitung

Lehrinhalte:

• Dieses Modul bietet eine Einführung in das Gebiet der Wissensrepräsentation (engl. knowledge representation), ein Teilgebiet der Informatik und Künstlichen Intelligenz mit dem Schwerpunkt Alltagswissen (engl. common sense reasoning). Das Schlussfolgern auf Basis von gesammeltem Wissen erlaubt es Agenten, neue Situationen zu meistern und neue Problem zu lösen. Als wichtiges Anwendungsgebiet wird das Sprachverstehen (engl. natural language understanding) adressiert, das vielfältiges Hintergrundwissen sowie Kontext erfordert.
• grundlegende Konzepte, u.a. Wissen, Abstraktion, Schlussfolgern, Unsicherheit, Kontext
• Schlussfolgerungstechniken (Analogie, Deduktion, Induktion)
• qualitative Algebren und Kalküle
• constraint-basiertes Schließen
• qualitatives Schließen
• räumliche Logiken
• algorithmische Komplexität des Schlussfolgerns

Qualifikationsziele/Kompetenzen:

• Die Studierenden können grundlegende Konzepte und Fachbegriffe der Wissensrepräsentation und des Schlussfolgerns mit Allgemeinwissen beschreiben.
• Sie können Repräsentationsformalismen for Allgemeinwissen überblicken.
• Sie können Wissensrepräsentation- und Schlussfolgerungstechniken in praktischen Aufgaben des Textverstehens anwenden.
• Sie können Ansätze des Schlussfolgerns mit Allgemeinwissen implementieren und evaluieren.
• Sie können Herausforderung des Schlussfolgerns mit Allgemeinwissen und Textverstehens analysieren und erklären.
• Sie können algorithmische Eigenschaften des Schlussfolgerns mit Allgemeinwissen bestimmen.
• Sie können wissenschaftliche Ergebnisse präsentieren.
• Sie können Schlussfolgerungstechniken für Allgemeinwissen implementieren.
• Sie können ausgewählte Ansätze des Sprachverstehens implementieren.

Vergabe von Leistungspunkten und Benotung durch:

• Mündliche Prüfung

Modulverantwortliche:

• Prof. Dr. Diedrich Wolter

Lehrende:

• Institut für Softwaretechnik und Programmiersprachen
• Prof. Dr. Diedrich Wolter

Literatur:

• Gary Marcus, Ernest Davis : Rebooting AI: Building Artificial Intelligence We Can Trust Pantheon 2019
• Kenneth D. Forbus : Qualitative Representations: How People Reason and Learn about the Continuous World MIT Press 2019
• Ronald Brachman, Hector Levesque : Knowledge Representation and Reasoning Elsevier 2004
• Frank van Harmelen, Vladimir Lifschitz, Bruce Porter (Herausgeber) : Handbook of Knowledge Representation Elsevier 2007
• Ernest Davis : Benchmarks for Automated Commonsense Reasoning: A Survey February 2023. ACM Computing Surveys, DOI 10.1145/3615355, 2007
• Frank Dylla, Jae Hee Lee, Till Mossakowski, Thomas Schneider, André Van Delden, Jasper Van De Ven, Diedrich Wolter : A Survey of Qualitative Spatial and Temporal Calculi: Algebraic and Computational Properties ACM Computing Surveys, 50:1, Article 7, DOI 10.1145/3038927, 2017
• James Allen : Natural Language Understanding Addison Wesley 1995
• Alexander Clark, Chris Fox, Shalom Lappin (Herausgeber) : The Handbook of Computational Linguistics and Natural Language Processing Wiley 2010
• Ernest Davis : Benchmarks for Automated Commonsense Reasoning: A Survey February 2023. ACM Computing Surveys, DOI 10.1145/3615355, 2007
• Nitin Indurkhya, Fred J. Damerau (Herausgeber) : Handbook of Natural Language Processing Routledge 2010
• Gerhard Paaß, Sven Giesselbach : Foundation Models for Natural Language Processing, Pre-trained Language Models Integrating Media, Springer 2023

Sprache:

• Englisch, außer bei nur deutschsprachigen Teilnehmern

Bemerkungen:

Letzte Änderungen:

02.03.2026