Alexander Grote, Marius Schenkluhn

Motivation

In der Mensch-Computer Interaktion spielt die Texteingabe eine große Rolle. Zahlreiche moderne Geräteklassen können allerdings keine physische Tastatur zum schnellen Tippen bereitstellen (z.B. Augemented Reality, Smartphones, Smart TVs oder Car Infotainment). Eine performante Texteingabe ist jedoch wichtig, damit die Systeme nutzerfreundlich und effizient bedient werden können. Eine Lösung um langsamere Texteingabe-Arten zu beschleunigen, kann dabei die Textvorhersage sein. Hierbei werden auf Basis eines Textes mögliche nächste Worte vorgeschlagen.

In dieser Arbeit ist dabei nicht nur die Wahrscheinlichkeit des nächsten Wortes entscheidend, sondern auch der Nutzen, den ein Nutzer durch den Vorschlag gewinnt. So ist beispielsweise ein schnell erkanntes langes Wort, das nicht ausgeschrieben werden muss, nützlicher, als ein kurzes Wort.

Ziel der Arbeit

Das Ziel der Masterarbeit ist die Implementierung mehrerer Deep Learning Modelle, die für einen gegebenen Input das nächste Wort im Satz vorhersagen. Wichtig ist dabei nicht nur die Genauigkeit der Vorhersage, sondern auch die Minimierung der Inferenzzeit und die Maximierung des Nutzens, um ein gutes Nutzererlebnis zu ermöglichen. Die verwendeten Modelle sollen hinsichtlich dieser Bewertungskriterien optimiert und bewertet werden. In dem schriftlichen Teil der Arbeit sollen sowohl der theoretische Hintergrund als auch die Implementierung erläutert werden. Die Arbeit kann in englischer oder deutscher Sprache verfasst werden. Es gibt keine besonderen Voraussetzungen, jedoch sind Programmierkenntnisse, erste Erfahrungen mit Natural Language Processing und eine strukturierte Arbeitsweise von Vorteil.

Weiterführende Literatur

Garay-Vitoria, Nestor, and Julio Abascal. "Text prediction systems: a survey." Universal Access in the Information Society 4.3 (2006): 188-203.

Trnka, Keith, et al. "User interaction with word prediction: The effects of prediction quality." ACM Transactions on Accessible Computing (TACCESS) 1.3 (2009): 1-34.

Quinn, Philip, and Shumin Zhai. "A cost-benefit study of text entry suggestion interaction." Proceedings of the 2016 CHI conference on human factors in computing systems. 2016.

Literaturverzeichnis

Dube, Tafadzwa Joseph, and Ahmed Sabbir Arif. "Text entry in virtual reality: A comprehensive review of the literature." International Conference on Human-Computer Interaction. Springer, Cham, 2019.