Julia Romberg arbeitete vom 1.07.2016 bis zum 31.09.2019 am Lehrstuhl für Datenbanken und Informationssysteme. Aktuell arbeitet sie in der Nachwuchsforschungsgruppe zur Untersuchung der Wirkungen von Beteiligungsprozessen auf politische Entscheidungen der Verkehrswende, geleitet von Jun.-Prof. Dr. Tobias Escher.
Forschungsinteressen:
- maschinelle Sprachverarbeitung (Text Mining)
- maschinelle Lernverfahren
- extraktive und generative Textzusammenfassung/ Automatic Keyphrase Extraction & Generation
- Relevance Feedback
- Sentiment Analysis
- Topic Modeling
Lehre:
- WS 2016: Datenbanksysteme (theoretische Übung)
- SS 2017: Multimedia-Datenbanken (Übung), Literaturseminar
- WS 2017: Information Retrieval und Natural Language Processing (Übung)
- SS 2018: Rechnerarchitektur (Organisation des Übungsbetriebs)
- WS 2018: Datenbanksysteme (theoretische Übung)
- SS 2019: Multimedia-Datenbanken (Übung), Literaturseminar
- WS 2019: Information Retrieval und Natural Language Processing (Übung)
Projektarbeits- und Abschlussarbeitsthemen:
Abgeschlossene Themen:
- Bachelorarbeiten:
Vergleich von Sentence Splittern auf deutschsprachigen Textkorpora,
Erkennung von Zitaten in Texten,
Erkennung und Korrektur von Rechtschreibfehlern in deutschsprachigen Online-Foren,
Autorklassifikation in Medizinschen Online-Foren,
Erkennung von Inzivilität in englischsprachigen Tweets,
Automatisierte Informationsextraktion aus Spielberichten,
Domänenübergreifende Sentiment-Analyse mittels Deep Learning,
Einfluss verschiedener Dimensionsreduktionsverfahren auf das Relevance Feedback,
Vergleich von Verfahren zur Keyword-Extraktion aus Online-Forentexten,
Gender-Identifikation in Social Media mit sprachuniversellen Features,
Erkennung und Klassifizierung von zielgerichteter Hate-Speech in Tweets,
Sentiment-Analyse auf Klinikbewertungen mittels Machine Learning-Verfahren,
Erkennung von Hate-Speech in Twitter mithilfe von Deep-Learning Techniken,
Erkennung von Fake und Hyperpartisan News,
Kategorisierung von in Online-Foren beschriebenem Verhalten mittels Deep Learning-Verfahren,
Entwicklung eines Systems zur Kategorisierung von Anzeichen von Depression in Social Media-Beiträgen,
Celebrity Profiling anhand von Social Media-Feeds
- Projektarbeiten:
Fine-Grained Sentiment Analysis on Financial Microblogs and News (SemEval 2017 Task 5),
OffensEval 2019: Identifying and Categorizing Offensive Language in Social Media (SemEval 2019 - Task 6)
- Masterarbeiten:
Vergleich von Deep-Learning-Verfahren zur Textgeneration,
Analyse von Hierarchischen Textclusteringverfahren,
Entwicklung eines Systems zur automatisierten Erkennung und Klassifizierung von Rechnungspositionen,
Affect Intensity and Opinion Trend Analysis on Tweets
Laufende Themen:
Question Answering auf selbsterstellten deutschen Datensätzen unter Verwendung von Deep Bidirectional Transformers
Reviewer:
ACL-SRW 2018
|
E-Mail senden