Refine
Has Fulltext
- yes (3)
Is part of the Bibliography
- yes (3) (remove)
Document Type
- Doctoral Thesis (3)
Keywords
- Semantik (3) (remove)
Making machines understand natural language is a dream of mankind that existed
since a very long time. Early attempts at programming machines to converse with
humans in a supposedly intelligent way with humans relied on phrase lists and simple
keyword matching. However, such approaches cannot provide semantically adequate
answers, as they do not consider the specific meaning of the conversation. Thus, if we
want to enable machines to actually understand language, we need to be able to access
semantically relevant background knowledge. For this, it is possible to query so-called
ontologies, which are large networks containing knowledge about real-world entities
and their semantic relations. However, creating such ontologies is a tedious task, as often
extensive expert knowledge is required. Thus, we need to find ways to automatically
construct and update ontologies that fit human intuition of semantics and semantic
relations. More specifically, we need to determine semantic entities and find relations
between them. While this is usually done on large corpora of unstructured text, previous
work has shown that we can at least facilitate the first issue of extracting entities by
considering special data such as tagging data or human navigational paths. Here, we do
not need to detect the actual semantic entities, as they are already provided because of
the way those data are collected. Thus we can mainly focus on the problem of assessing
the degree of semantic relatedness between tags or web pages. However, there exist
several issues which need to be overcome, if we want to approximate human intuition of
semantic relatedness. For this, it is necessary to represent words and concepts in a way
that allows easy and highly precise semantic characterization. This also largely depends
on the quality of data from which these representations are constructed.
In this thesis, we extract semantic information from both tagging data created by users
of social tagging systems and human navigation data in different semantic-driven social
web systems. Our main goal is to construct high quality and robust vector representations
of words which can the be used to measure the relatedness of semantic concepts.
First, we show that navigation in the social media systems Wikipedia and BibSonomy is
driven by a semantic component. After this, we discuss and extend methods to model
the semantic information in tagging data as low-dimensional vectors. Furthermore, we
show that tagging pragmatics influences different facets of tagging semantics. We then
investigate the usefulness of human navigational paths in several different settings on
Wikipedia and BibSonomy for measuring semantic relatedness. Finally, we propose
a metric-learning based algorithm in adapt pre-trained word embeddings to datasets
containing human judgment of semantic relatedness.
This work contributes to the field of studying semantic relatedness between words
by proposing methods to extract semantic relatedness from web navigation, learn highquality
and low-dimensional word representations from tagging data, and to learn
semantic relatedness from any kind of vector representation by exploiting human
feedback. Applications first and foremest lie in ontology learning for the Semantic Web,
but also semantic search or query expansion.
Die Arbeit ist eine korpusbasierende Analyse von Stimmbeschreibungen in englischsprachigen fiktionalen Texten, die sowohl einen sprachwissenschaftlich-semantischen als auch einen literaturwissenschaftlichen Ansatzpunkt wählt. Ersterer geht dabei auf den "Pool" des Stimmbeschreibungsmaterials ein, letzterer untersucht die Funktion von Stimmdarstellungen in der Gesamtkonzeption von Figuren und Texten und betrachtet dabei auch Aspekte wie das Verhältnis von Autor-Figur-Leser und die Informationsvergabe in fiktionalen Texten. Für die Analyse wurde ein Korpus aus Romanen, Kurzgeschichten und Dramen des 20. Jahrhunderts erstellt. Um ein möglichst breites Spektrum zu erlangen, wurden Texte von britischen, amerikanischen und Commonwealth-Autoren gewählt. Zudem wurden Trivialromane genauso berücksichtigt wie Werke der "höherstehenden" Literatur. Im Zentrum von Teil I der Analyse steht die semantische Klassifizierung von Stimmbeschreibungen nach klangbeschreibenden (z.B. shrill, rumbling, husky)und sprecherbezogenen Angaben, bei denen auch emotionale, pragmatische und machtstrukturierende Stimmangaben (z.B. happy, apologizing, condescending) eingeschlossen sind, die dem Leser Aufschluß über das Innenleben und die Beziehungsstrukturen von fiktionalen Charakteren geben. Da die Schwierigkeit der Stimmklangwiedergabe für Autoren geradezu eine willkommene Einladung für das Spiel mit Metaphern und ungewöhnlichen Vergleichen ist, wird den metaphorisch-bildhaften Stimmdarstellungen in Teil II ein Sonderkapitel gewidmet. Teil III geht schließlich auf die funktionalen Aspekte der Stimmdarstellungen ein. So dient das Zusammenspiel von Meta- und Objektsprache als Verständnissicherung für den Leser, kann aber auch Einblick in den Figurencharakter geben. Entscheidend ist jedoch die Wirkung der Stimme in der Gesamtkonzeption von Figuren, denn häufig gehen optische und akustische Figurenbeschreibungen Hand in Hand, so daß über die beiden Wahrnehmungskanäle ein komplexes Charakterbild entsteht, über das Sympathie und Antipathie des Lesers gesteuert werden können. Autoren arbeiten dabei häufig mit Stereotypen und Klischeebrüchen. Letzlich dienen die Stimmdarstellungen der Verlebendigung von Figuren und unterstützen somit die Pseudo-Realität von fiktionalen Texten. Die scheinbar unendliche Fülle von Stimmbeschreibungen zeigt, daß Figuren für den Leser nicht nur durch ihr Aussehen, sondern auch durch ihre habituelle und situationelle Stimme "lebendig" werden.
Seit ihrem Aufkommen beschäftigt sich die Organisationsforschung mit dem Antagonismus von Organisation und Individuum, ohne jedoch immer eindeutig fassen zu können, worin genau der Unterschied zwischen beiden besteht. Wollte Taylor den „Horden-Menschen“ noch durch wissenschaftliche Betriebsführung domestizieren und in den Mechanismus der Organisation integrieren, erkannte Barnard bereits, dass nur ein gewisser Teil des Individu-ums in Organisationen kommunikativ erreichbar ist und ersann vor diesem Hintergrund eine Führungstheorie mit dem Ziel, den Bereich erwartbarer Aufgaben-Kommunikation auf ein Maximum auszudehnen und hierdurch die „zone of indifference“ der Mitarbeiter so zu er-weitern, dass selbige möglichst viele Aufgaben und Arbeiten als Teil ihrer Organisations-persönlichkeit internalisieren.
Erst mit den Arbeiten Luhmanns in den 1960er Jahren war man jedoch in der Lage, Informa-lität – also auf personale Erwartungen abzielende Kommunikation – nicht mehr allein als Störung oder Dysfunktionalität, sondern vielmehr als Folge des Umgangs mit der Formal-struktur des Organisationssystems zu beschreiben und die beiden Begriffe folglich in einen funktionalen Zusammenhang zu bringen.
Innerhalb dieses theoriegeschichtlichen Rahmens geht unsere Untersuchung der Frage nach, in welcher Weise Führung im Kontext des Spannungsfeldes zwischen Formalität und Infor-malität operiert und welche Implikationen neuere Semantiken der Managementliteratur (z.B. „die authentische Führungskraft“, „Vertrauen“ oder „Menschsein“), die insbesondere auf eine Personalisierung des Mitarbeiters abzielen, dabei generieren. Hierdurch können wir zeigen, dass Führung mittels informaler Kommunikation, die wir als „Umweghandeln“ be-zeichnen, ein Spiel mit der Grenze zwischen System und Umwelt – also Mitarbeiter – etab-liert, wodurch sie in der Lage ist, den Mitarbeiter als Beobachtung der Differenz zwischen System und Umwelt in das System wieder einzuführen und hierdurch informaler Kommuni-kation Anschlussfähigkeit zu verleihen. Letztlich wird für die Organisation so genau das kommunikativ anschlussfähig, was formal eigentlich immer ausgeschlossen wurde – die Person des Mitarbeiters.