Wir freuen uns sehr, dass wir für die Präsentation unserer Beiträge mit den Titeln „Comparison of Full-text Articles and Abstracts for Visual Trend Analytics through Natural Language Processing“ und „An Industry 4.0-Ready Visual Analytics Model for Context-Aware Diagnosis in Smart Manufacturing“ auf der hochkarätigen Konferenz Information Visualisation Conference (iV 2020) angenommen wurden. Aufgrund der Corona-Epidemie wird die Konferenz virtuell abgehalten. Die iV 2020 ist eine internationale Konferenz, die darauf abzielt, eine Grundlage für die Integration der menschenzentrierten, technologischen und strategischen Aspekte der Informationsvisualisierung zu schaffen, um den internationalen Austausch, die Zusammenarbeit und die Entwicklung zu fördern.
Paper 1: Vergleich von Volltextartikeln und Abstracts für die visuelle Trendanalyse durch natürliche Sprachverarbeitung
Abstract:
Wissenschaftliche Veröffentlichungen sind eine wichtige Ressource, um aufkommende Trends und Innovationen in einem sehr frühen Stadium zu erkennen, weit früher als es Patente zulassen würden. Dabei ermöglichen Visual-Analytics-Systeme eine tiefgreifende Analyse, indem sie üblicherweise unüberwachte maschinelle Lernmethoden anwenden und eine große Menge an Daten untersuchen. Eine zentrale Frage aus Sicht der Visual Analytics ist in diesem Zusammenhang, ob Abstracts wissenschaftlicher Publikationen eine ähnliche Analysefähigkeit bieten wie die entsprechenden Volltexte. Dies würde es ermöglichen, eine große Menge an Textdokumenten auf eine viel schnellere Art und Weise zu extrahieren. Wir vergleichen in diesem Beitrag die Themenextraktionsmethoden LSI und LDA anhand von Volltextartikeln und den dazugehörigen Abstracts, um herauszufinden, welche Methode und welche Daten besser für ein Visual Analytics System für Technologie- und Unternehmensvorausschau geeignet sind. Basierend auf einem einfach replizierbaren Ansatz zur Verarbeitung natürlicher Sprache untersuchen wir außerdem den Einfluss der Lemmatisierung für LDA und LSI. Der Vergleich wird qualitativ und quantitativ durchgeführt, um sowohl die menschliche Wahrnehmung in visuellen Systemen als auch Kohärenzwerte zu erfassen. Anhand eines Anwendungsszenarios, einem visuellen Trendanalysesystem, werden die Ergebnisse weiter veranschaulicht.
Link zum Paper: DOI: 10.1109/10.1109/IV51561.2020.00065
Weitere Informationen: Scitics for Visual Trend Analytics
Paper 2: Ein Industrie 4.0-fähiges visuelles Analysemodell für kontextbezogene Diagnosen in der intelligenten Fertigung
Abstract:
Die integrierten cyber-physikalischen Systeme in der intelligenten Fertigung erzeugen kontinuierlich große Datenmengen. Diese komplexen Daten sind schwer zu bewerten und Wissen über die Daten zu sammeln. Aufgaben wie Fehlererkennung und -diagnose sind damit schwer zu lösen. Visual Analytics mindert die Komplexität durch den kombinierten Einsatz von Algorithmen und Visualisierungsmethoden, die es erlauben, Informationen genauer wahrzunehmen. Dabei stützt sich die Argumentation mehr und mehr auf die gegebene Situation in einer intelligenten Fertigungsumgebung, nämlich den Kontext. Aktuelle allgemeine Visual Analytics-Ansätze bieten nur eine vage Definition des Kontexts. Wir stellen in diesem Beitrag ein Modell vor, das den Kontext in Visual Analytics for Smart Manufacturing spezifiziert. Darüber hinaus verbindet unser Modell die neuesten Fortschritte in der Forschung zu Smart Manufacturing und Visual Analytics. Wir kombinieren und fassen Methoden, Algorithmen und Spezifikationen der beiden wichtigen Forschungsbereiche mit unseren bisherigen Erkenntnissen zusammen und verschmelzen sie miteinander. Als Ergebnis schlagen wir unser neuartiges Industrie 4.0-fähiges Visual Analytics-Modell für kontextbezogene Diagnose in der intelligenten Fertigung vor.
Link zum Paper: DOI: 10.1109/10.1109/IV51561.2020.00064
