Fraunhofer-Institut für Software- und Systemtechnik ISST
Im Zusammenhang mit der Corona-Pandemie entstehen täglich neue wissenschaftliche Veröffentlichungen, die häufig ohne ein Peer-Review-Verfahren zu durchlaufen auf Preprint-Servern veröffentlicht werden. Um Transparenz über die Vielzahl an Veröffentlichungen zu schaffen und diese effizient nutzbar zu machen, ist ein intelligentes, möglichst automatisiertes Datenmanagement erforderlich.
Die Herausforderung
Die aktuelle Corona-Situation erzeugt durch ihren Status als Pandemie einen hohen Zeitdruck auf wissenschaftliche Veröffentlichungen. Der wissenschaftlich etablierte »peer-review«-Prozess kann hierbei oft nicht eingehalten werden und Veröffentlichungen werden ungeprüft auf Preprint-Servern publiziert. Die Evaluation solcher nicht begutachteter Arbeiten kann mit Hilfe einer automatisierten inhaltlichen Klassifikation, dem sogenannten Topic Modelling, unterstützt werden. Topic Modelling ist ein Verfahren des maschinellen Lernens und kann Forscher dabei unterstützen, relevante Trends, Themen und Publikationen zu identifizieren.
Unsere Leistung
Im Rahmen des Projektes ergänzt das Fraunhofer ISST die bisherigen Entwicklungen des Projektes COVID-19 Knowledge Space unter der Leitung des Fraunhofer SCAI, in dem ein Knowledge-Graph entwickelt wird, der verschiedene Wissensebenen miteinander verknüpft (wissenschaftliche Publikationen, Ontologien, Text Mining-Ergebnisse und biomedizinische Datenbanken) und so die Grundlage für Heuristiken und Methoden der KI bietet. Das Fraunhofer ISST ergänzt diesen Graphen um den Service einer Trendanalyse und durch die Anbindung weiterer Datenquellen
Das Ergebnis
Die Erweiterung des bestehenden Knowledge Graphen durch eine Trendanalyse ermöglicht das Erkennen und Visualisieren von Trends in verschiedenen Forschungsdisziplinen. Die dadurch entstehende Transparenz unterstützt die Forschungsgemeinschaft in ihren jeweiligen Forschungsvorhaben und bietet die Möglichkeit, auf Trends zu reagieren. Durch die Integration zusätzlicher Datenquellen wird die inhaltliche Dichte des Knowledge Graphen weiter angereichert und kann zur Entscheidungsunterstützung herangezogen werden.
Die Partner
- Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI
Die Förderung
- Gefördert durch die Fraunhofer-Gesellschaft im Rahmen des Anti-Corona-Programms