Projekt

EXTRACT (SC_Raso)

EXTRACT - Automatisierte Knowledge Extraction für Augmented-Reality-Anwendungen im Medienbereich

  • Laufzeit:

Augmented Reality (AR) ermöglicht die Bereicherung traditioneller Printmedien mit virtuellen Inhalten. Weblinks, Videos und weitere virtuelle Inhalte können durch ausgedruckte Artikel gestartet und auf traditionellen Printmedien eingeblendet werden. Dieses bietet den Lesern die spannende Erfahrung, zwischen traditionellen und digitalen Medien eine Brücke zu schlagen. Im Vergleich zu traditionellen Printmedien erfordert die Entwicklung von AR-Anwendungen zusätzlichen Aufwand, um thematische Inhalte zu identifizieren, die durch AR-Systeme ergänzt werden können. Daher stellt die Generierung virtueller Inhalte ein potenzielles Hindernis für die Entwicklung und Verwendung dieser Technologie dar. Bisher wurden mit großem Zeit- und Kostenaufwand Textinformationen manuell extrahiert, AR-Inhalte manuell generiert und die Verbindung zwischen redaktionellen und AR-Inhalten manuell erstellt. Ziel des Projektes EXTRACT ist eine Lösung für dieses Problem zu entwickeln. Im Rahmen des Projektes wird eine Plattform entwickelt, um die Automatisierung von Content-Creation- und Content-Management-Prozessen im Medienbereich zu ermöglichen. Basierend auf Techniken der Künstlichen Intelligenz für Knowledge Extraction von unstrukturierten Texten ermittelt die Plattform Informationen aus bereits verfügbaren Medieninhalten, um das direkte Interlinking zwischen Textinformationen aus redaktionellen Inhalten und AR-Medieninhalten automatisiert zu etablieren. Text Mining, Affective Computing und Natural Language Processing kombiniert mit maschinellem Lernen bieten die Möglichkeit, große Datenmengen in kurzer Zeit automatisch zu extrahieren und weiterzuverarbeiten. Mithilfe dieser extrahierten Informationen werden virtuelle Augmented-Reality-Inhalte für redaktionelle Artikel automatisch generiert. Die EXTRACT-Plattform wird nicht nur den Endnutzern traditioneller und digitaler Medien, sondern auch Autoren und Content-Erstellern helfen. Darüber hinaus kann der vorgeschlagene Ansatz nicht nur für die automatisierte Entwicklung von AR-Systemen benutzen werden, sondern auch in weiteren Anwendungsszenarien, in denen Techniken von Knowledge Extraction den Unterschied machen (z.B. für individualisierte Empfehlungssysteme, für die präzisere Suche auf unstrukturierten Textdaten etc.).

Partner

Springer Nature (Verlagsgruppe Georg von Holtzbrinck)

Projekt teilen auf:

Ansprechpartner
Prof. Dr. Peter Loos

Keyfacts

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence