Schlagwort: Knowledge Graphs

NLP Should Go Beyond Commonsense Knowledge

Veröffentlicht am von

NLP technology is all-pervasive for commonsense knowledge. There are many causes for this. Most of the internet and its data is about commonsense knowledge and world events, so NLP technology is developed over the data domain that is most easily available. But what about the scholarly domain with its rapidly growing body of knowledge produced worldwide? These are those specialized domains of knowledge in Science, Technology, Engineering, and Mathematics (STEM), all of which open up countless doors for NLP.

The opportunities are endless!

➔

Projekt Clarify: Big Data und künstliche Intelligenz für eine bessere Betreuung von Krebsüberlebenden

Veröffentlicht am von

Das EU-finanzierte Projekt CLARIFY will mithilfe von Big Data und künstlicher Intelligenz (KI) die Risikofaktoren identifizieren, die die Lebensqualität von Krebspatientinnen und -patienten am Ende einer onkologischen Behandlung beeinträchtigen. Daten von mehr als 15.000 Menschen, die Brust-, Lungen- oder Lymphknotenkrebs (die häufigsten Krebsarten) überlebt haben, werden zu diesem Zweck analysiert.

➔

How Do Knowledge Graphs Contribute to Understanding COVID-19 Related Treatments?

Veröffentlicht am von

From 24 to 26 April 2020, the Scientific Data Management (SDM) group at TIB participated in the Pan-European hackathon. The SDM group and the Software and Knowledge Engineering Laboratory (SKEL) at the National Centre for Scientific Research “Demokritos” from Greece aimed at showcasing the power of integrating scientific literature and biomedical databases to discover patterns that contribute to explaining the expected results of a corona-virus related treatment.

➔

Big Data für Präzisionsmedizin – auf dem Weg zur individuellen Therapie

Veröffentlicht am von

Biomedizinische Daten werden in unzähligen Formaten dargestellt, die für die optimale Therapieentscheidung kombiniert werden müssen. Die unterschiedliche Struktur und Qualität der Daten sind die größten
Hindernisse für die Wissensgewinnung. Hier helfen algorithmische Lösungen bei der Big-Data-Integration.

➔