Navigationsweiche Anfang

Navigationsweiche Ende

Sprache wählen


OriginStamp - Vertrauenswürdiges Zeitstempeln mit Bitcoin

OriginStamp ist ein webbasierter, vertrauenswürdiger Zeitstempeldienst, der die dezentrale Bitcoin-Blockchain verwendet, um anonyme, manipulationssichere Zeitstempel für alle digitalen Inhalte zu speichern. Mit OriginStamp können Benutzer Dateien, E-Mails oder einfachen Text hashen und anschließend die erstellten Hash in der Bitcoin-Blockkette speichern sowie Zeitstempel abrufen und überprüfen, die für die Blockkette festgeschrieben wurden. OriginStamp ist kostenlos und einfach zu verwenden und ermöglicht es somit jedem, z. B. Studenten, Forschern, Autoren, Journalisten oder Künstlern, nachzuweisen, dass sie zu einem bestimmten Zeitpunkt der Urheber bestimmter Informationen waren.

HyPlag: Hybrid Plagiatserkennung

HyPlag ist ein System, das die Erkennung von Hybridplagiaten (hybridPD) implementiert - ein neuartiger Ansatz, mit dem auch stark verschleierte Plagiate in akademischen Texten erkannt werden können. Der hybridPD-Ansatz kombiniert die Analyse von nicht-textuellen Inhalten in akademischen Dokumenten wie Zitaten, Bildern und mathematischen Ausdrücken mit der traditionellen Textähnlichkeitsanalyse. Bestehende Software zur Erkennung von Plagiaten untersucht nur die Ähnlichkeit von Texten und erkennt daher in der Regel keine verschleierten Plagiatsformen, einschließlich Paraphrasen, Übersetzungen oder Ideenplagiate. hybridPD behebt dieses Manko, indem es nicht-textuelle Inhalte zusätzlich analysiert, um einen sprachunabhängigen semantischen „Fingerabdruck“ der Dokumentähnlichkeit zu bilden.

Der in HyPlag implementierte HybridPD-Ansatz integriert und setzt mehrere unserer früheren Forschungsprojekte fort, insbesondere zur zitierbasierten Plagiatserkennung (CbPD
und mathematikbasierten Plagiatserkennung (MathPD).

MathIR: Mathematischer Informationsabruf

Im Rahmen des durch die DFG finanzierten Forschungsprojekts GI 1259 / 1-1Methoden und Werkzeuge zur Förderung des Abrufs mathematischen Wissens aus digitalen Bibliotheken für Such-, Empfehlungs- und Unterstützungssysteme, untersuchen wir grundlegende Methoden und Werkzeuge, um  mathematisches Wissen zugänglich für Informationsabrufanwendungen zu machen.

Docear: Academisches Literaturmanagement durch Mind Maps

Docear kombiniert eine Mind-Map-Anwendung mit einem Empfehlungssystem für akademische Literatur und einem Referenzmanager. Mit den Mind-Maps können Benutzer ihre Ideen organisieren und die Anmerkungen importieren, die sie beim Lesen von PDFs erstellt haben, z.B. Kommentare, Markierungen oder Lesezeichen. Die Software arbeitet mit Standard-PDF-Anmerkungen und kann daher mit verschiedenen PDF-Viewern verwendet werden.

Co-Citation Proximity Analysis: Empfehlungs- und Clustering-Algorithmen für die akademische Literatur

Co-Citation Proximity Analysis (CPA) ist eine Methode zur Berechnung lokaler und globaler Instanzen semantischer Ähnlichkeit in akademischen Dokumenten durch Untersuchung der Zitiernähe im Volltext von Dokumenten. CPA wurde unter Berücksichtigung zweier Anwendungen entwickelt: Empfehlungssysteme und Clustering. In Bezug auf die erste Anwendung kann ein verbessertes Maß für die semantische Ähnlichkeit von Dokumenten, welches die Ähnlichkeit bei einer feinkörnigeren Auflösung berechnet, die Relevanz von Empfehlungen aus der akademischen Literatur erheblich verbessern..

Media Bias Analysis - Identifikation verzerrter Berichterstattung

Die folgende Gruppe an Projekten versucht, (halb-) automatisch verzerrte Nachrichtenberichterstattung, z.B. Medienbias, in Nachrichtenartikeln zu identifizieren. Zu den aktuellen Projekten gehören News-Please (ein integrierter Webcrawler und Informationsextraktor für Nachrichtenartikel), NewsBird (ein Nachrichtenaggregator, der verschiedene Perspektiven in internationalen Nachrichtenthemen aufzeigt) und Giveme5W1H (ein System, das Phrasen extrahiert, die die journalistischen 5W1H-Fragen beantworten).

Mr. DLib: Maschinenlesbare digitale Bibliothek

Mr. DLibs "Empfehlungen als Service" erlaubt Betreibern akademischer Produkte problemlos ein wissenschaftliches Empfehlungssystem in ihre Produkte zu integrieren. Die Grundidee des wissenschaftlichen Empfehlungssystems von Mr. DLib besteht darin, Vorschläge für Forschungsartikel, Aufforderungen zur Einreichung von Beiträgen, Zuschüsse etc. auf dem Server von Mr. DLib zu berechnen. Betreiber von akademischen Produkten können dann Empfehlungen von Mr. DLib anfordern und die Vorschläge ihren Benutzern anzeigen.

CITREC: Offenes Bewertungssystem für zitierbasierte Ähnlichkeitsmaßnahmen

CITREC ist ein offenes Bewertungssystem für zitierbasierte und textbasierte Ähnlichkeitsmaße. CITREC bereitet die Daten von zwei ehemals getrennten Sammlungen für eine zitierbasierte Analyse vor und stellt die Werkzeuge bereit, die für die Durchführung von Bewertungen von Ähnlichkeitsmaßen erforderlich sind.

zuletzt bearbeitet am: 06.11.2020