Topic Area 1: Automated Literature Survey Using AI Technology

Grundidee: In diesem Projekt soll eine Software entworfen und implementiert werden, die folgendes leistet:

• Phase 1: Eine web-basierte Platform zum Crawling von ausgewählten Literaturdatenbanken (z.B. AIS, ACM, IEEE, Springer, Elsevier; Google Scholar, Researchgate) soll entworfen und implementiert werden.
  • Moderne Frameworks aus dem Bereich Data Science & Webentwicklung sollten dafür sondiert werden. 
    • Cloud-basierter Grundansatz interessant (VM / Container).
    • Die Auswahl verwendeter Technologien sollte jeweils nachvollziehbar begründet sein. 
  • Vorgehensweise kann in Eigenregie des Teams agil erfolgen, solange die groben Anforderungen und Projektphasen berücksichtig werden.
  • Diese Plattform sollte modular sein, so dass Änderungen an den Literaturdatenbanken einfach mit kleinen Updates berücksichtigt und neue hinzugefügt werden können.

• • • Es soll die Möglichkeit geben, Keywords zu Suche vorzugeben.
    • Minimum: Titel, Abstract und  Name des Journals bzw. Conference sollten in einer Datenbank gespeichert werden können (ggf. NoSQL DBs interessant auszuprobieren!).
    • Weiterer Schritt: wo es möglich ist, sollt der Artikel selbst auch heruntergeladen werden können und in der DB gespeichert.
    • Dazu ggf. nötig: Passwort / Login Management für die einzelnen Plattformen.
  In dieser Phase sollen auch Andock- und Integrationsmöglichkeiten an andere Projekt wie WILBERT oder Literatursuche mit Mendeley, Zotero etc. geprüft werden.
  • Ziel ist es aber vor allem, für jede Suche eine eigene Datenbasis aufbauen zu können, auf der Phase 2 aufsetzt.

• Phase 2 (teilweise auch parallel zu Phase 1 möglich): Auf Basis der gesammelten Artikel soll eine automatische Kategorisierung und Zusammenfassung von Texten entworfen, implementiert und evaluiert werden.
  • Hierzu soll erstmal ein gründlicher Überblick über relevante Untergebiete von Text Mining und frei verfügbare Tools erstellt werden.
  • Möglicherweise interessant, sich z.B. diese Kurse anzusehen:
    • Udemy --> NLP-Natural language processing with Python
    • Udemy --> Hands-on Natural Language Processing with Python
    • Udemy --> Project-based Text Mining with Python

• • Dann sollen diese Tools mit Test-Datasets (gerne manuell zusammengestellt) zunächst ausprobiert und evaluiert werden werden (z.B. automatische vs. manuelle Klassifikation; Qualität der Summaries).
  • Dann soll eine mögliche Gesamt-Architektur (Phase 1 + Phase 2) entworfen werden.
  • Diese prototypisch umgesetzt und Software aus Phase 2 mit der Software aus Phase 1 integriert werden.
  • Weitere Ausbau- und Evaluierungsrunden.