Diese Bachelorarbeit beschäftigt sich mit der Entwicklung einer Softwarelösung zur semantischen und syntaktischen Umwandlung natürlicher Sprache in Datenbankabfragesprachen. Ziel ist es, eine benutzerfreundliche Schnittstelle zu schaffen, die auch Nicht-Experten ermöglicht, komplexe Datenbankabfragen durchzuführen. Im Rahmen eines Praktikums bei der OntoChem GmbH wurde zunächst ein regelbasierter Prototyp entwickelt, der natürliche Sprachabfragen in maschinenlesbare Datenbank abfragen transformiert. Anschlieÿend wurde dieser Ansatz mit einem auf Large Language Models (LLMs) basierenden Ansatz, wie beispielsweise ChatGPT, verglichen. Dabei wurden unter anderem die Effizienz, Genauigkeit, Zuverlässigkeit und ökonomischen Kosten beider Ansätze untersucht. Die Arbeit beginnt mit einer Einführung in die Grundlagen der natürlichen Sprachver arbeitung (NLP), regelbasierter Systeme und LLMs. Es folgt eine detaillierte Beschrei bung des Praktikumsprojekts, einschlieÿlich der eingesetzten Technologien und Tools. In den darauf folgenden Kapiteln werden der regelbasierte Ansatz und der LLM-Ansatz zur Umwandlung natürlicher Sprache in Datenbankabfragen vorgestellt, implementiert und getestet. Die Vergleichsanalyse zeigt, dass der regelbasierte Ansatz durch hohe Geschwindigkeit und Datenkontrolle besticht, jedoch in seiner Flexibilität und Genauigkeit limitiert ist. Der LLM-Ansatz bietet hingegen eine höhere Genauigkeit und Flexibilität bei der Interpretation natürlicher Sprache, weist jedoch längere Antwortzeiten und höhere Betriebskosten auf. Abschließend werden Empfehlungen für die Praxis gegeben und zukünftige Forschungsrichtungen aufgezeigt, wie etwa die Kombination beider Ansätze oder das Training eines eigenen Modells. Die Ergebnisse dieser Arbeit tragen dazu bei, die Interaktion zwischen natürlicher Sprache und Datenbanksystemen zu verbessern und bieten praktische Lösungen für die semantische Transformation von Benutzeranfragen.:1 Einleitung 2 1.1 Motivation 2 1.2 Zielsetzung der Arbeit 3 1.3 Aufbau der Arbeit 4 2 Hintergrund und theoretische Grundlagen 6 2.1 Natürliche Sprachverarbeitung (NLP) 6 2.1.1 Grundlagen der NLP 6 2.1.2 Modelle und Algorithmen 7 2.1.3 Anwendungsbereiche 8 2.2 Regelbasierte Systeme 9 2.2.1 Definition und Funktionsweise 9 2.2.2 Beispiele und Anwendungen 10 2.3 Large Language Models (LLMs) 10 2.3.1 Funktionsweise und Architektur 10 2.3.2 Entwicklung und Technologien 14 2.3.3 Training und Datenbasis 15 2.3.4 Anwendungsbereiche 15 2.3.5 Limitationen von GPT-Modellen 16 3 Praktikumsprojekt bei OntoChem GmbH 18 3.1 Unternehmensvorstellung 18 3.1.1 Überblick und Geschichte 18 3.1.2 Produkte und Technologien 19 3.2 Projektbeschreibung 21 3.2.1 Ziel des Projekts 21 3.2.2 Aufgabenstellung 26 3.3 Technologie-Stack und Tools 27 3.3.1 Programmiersprache und Umgebung 27 3.3.2 Bibliotheken 28 4 Regelbasierter Ansatz zur Umwandlung natürlicher Sprache in Datenbankabfragen 29 4.1 API-Design 29 4.1.1 Methodik und Konzeption 29 4.1.2 structFromNaturalSearch 29 4.1.3 queryFromSearchStructure 35 4.2 Implementierung 37 4.2.1 Funktion: SearchStructureFromString 37 4.2.2 Integration OC-Technologien 38 4.2.3 Algorithmen und Regeln 40 4.2.4 Herausforderungen 43 5 LLM-Ansatz zur Umwandlung natürlicher Sprache in Datenbankabfragen 45 5.1 Einführung in den LLM-Ansatz 45 5.1.1 Grundlagen 45 5.1.2 Vergleich mit Regelbasierten Systemen 46 5.2 Prompting in LLMs (z.B. ChatGPT) 46 5.2.1 Prinzipien des Promptings 46 5.2.2 Design effektiver Prompts 47 5.3 Tests und Evaluierung 50 5.3.1 Beschreibung der Tests 50 5.3.2 Ergebnisse und Analyse 52 6 Vergleich der Ansätze 58 6.1 Methodik 58 6.2 Ergebnisse 58 6.3 Diskussion 61 7 Evaluation und Ausblick 62 7.1 Kritische Betrachtung 62 7.2 Limitationen und Fehlerquellen 62 7.3 Fazit und Implikationen 63 7.4 Zukünftige Forschung 63 Literaturverzeichnis I Abbildungsverzeichnis IV Daten- und Codeverzeichnis V

This thesis is situated at the boundary between formal language theory, algebra, and natural language processing (NLP). NLP knows a wide range of language models: from the simple n-gram models to the recently successful large language models (LLM). Formal approaches to NLP view natural languages as formal languages, i.e., infinite sets of strings, where each phrase is seen as a string, and they seek finite descriptions of these sets. Beyond language modeling, NLP deals with tasks such as syntactic analysis (or parsing), translation, information retrieval, and many others. Solving such tasks using language models involves two steps: Given a phrase of natural language, the model first builds a representation of the phrase and then computes the solution from that representation. Formal language models usually employ trees or similar structures as representations, whose evaluation to output values can be elegantly described using algebra. Chomsky introduced phrase structure grammars, which describe a process of generating strings using rewriting rules. For modeling natural language, these rules follow an important aspect of its syntax: constituency, i.e., the hierarchical structure of phrases. The best known grammar formalism is given by context-free grammars (CFG). However, CFG fail to model discontinuities in constituency, where several non-adjacent parts of a phrase form a subphrase. For instance, the German sentence “ich war auch einkaufen” can be understood so that “ich auch” is a noun phrase; it is discontinuous because it is interleaved by the verb “war”. This problem can be solved by employing more expressive grammar formalisms such as linear context-free rewriting systems (LCFRS). There are also grammar formalisms that generate sets of trees, e.g., regular tree grammars (RTG). A similar formalisms exists with finite-state tree automata (FTA) whose semantics is defined in terms of accepting an input rather than generating it, but FTA and RTG have the same expressiveness. Universal algebra lets us view trees as elements of a term algebra, which can evaluated to values in another algebra by applying a unique homomorphism. For instance, the strings generated by a CFG can be obtained by evaluating trees over the rules of the CFG in this way. Parsing is the problem of computing the constituency structure of a given phrase. Due to the ambiguity of natural language, several such structures may exist. This problem can be extended by weights such as probabilities in order to compute, for instance, the best constituency structure. The framework of semiring parsing abstracts from particular weights and is instead parameterized by a semiring, whereby many NLP problems can be obtained by plugging in an appropriate semiring. However, the semiring parsing algorithm is only applicable to some problem instances. Weighted deductive parsing is a similar framework that employs a different algorithm, and thus its applicability differs. We introduce a very general language model in the form of the RTG-based language model (RTG-LM) which consists of an RTG and a language algebra. The RTG generates the constituency structures of a language and, inspired by the initial algebra semantics, the language algebra evaluates these structures to elements of the modeled language; we call these elements syntactic objects. Through the free choice of the language algebra, many common grammar formalisms, such as CFG and LCFRS, are covered. We add multioperator monoids, a generalization of semirings, as a weight algebra to RTG-LM and obtain weighted RTG-based language models (wRTG-LM). This lets us define an abstract weighted parsing problem, called the M-monoid parsing problem. Its inputs are a wRTG-LM 𝐺 and a syntactic object 𝑎, and it states to compute all representations that 𝐺 has for 𝑎 using the language algebra. Then, these representations are evaluated to values in the weight algebra, and the values of all these representations are summed to a single output value. We propose the M-monoid parsing algorithm to solve this problem. It generalizes both the semiring parsing algorithm and the weighted deductive parsing algorithm in a way that is inspired by Mohri's single-source shortest distance algorithm. We prove two sufficient conditions for the termination and correctness of our algorithm. We show that our framework covers semiring parsing, weighted deductive parsing, and other problems from NLP and beyond. In the second part of this thesis, we explore constituent tree automata (CTA), a generalization of FTA, as a language model that is tailored towards modeling discontinuitiy. We show several properties of CTA, including that their constituency parsing problem is an instance of our M-monoid parsing problem and can, for a large class of CTA, be solved by the M-monoid parsing algorithm. This thesis aims to contribute a unifying formal framework for the specification of language models and NLP tasks. Through our general M-monoid parsing algorithm, we also provide a means of investigating the algorithmic solvability of problems within this field.

Diese wirtschaftswissenschaftliche Doktorarbeit bündelt sieben Forschungsarbeiten zur Ökonomie des Natur- und Umweltschutzes. Dabei untersuche ich, wie der ökonomische Wert, den die Gesellschaft der Natur beimisst, von der Verteilung des Einkommens oder der Ausstattung mit Umweltgütern, innerhalb oder über Generationen hinweg, abhängt. Dazu werden drei neue umweltökonomische Modelle zum Einfluss der Verteilung auf die aggregierte Zahlungsbereitschaft für den Erhalt reiner öffentliche Umweltgüter, lokaler Umweltgüter oder Naturkapital entworfen. Es zeigt sich, dass für viele Umweltgüter der ökonomische Wert umso größer ist, je gleichmäßiger das Einkommen oder die Ausstattung mit dem Umweltgut verteilt sind. Auf dieser Grundlage werden modellgestützte Methoden zur Berücksichtigung von Verteilungsaspekten in ökonomischen Analysen von Projekten und Politiken mit Umweltauswirkungen entwickelt. Insbesondere werden Korrekturfaktoren hergeleitet, mit denen ökonomische Naturbewertungen hinsichtlich einer gesellschaftlichen Zielverteilung angepasst und gesellschaftliche Zahlungsbereitschaften geschätzt werden können. Anhand einer Reihe von Anwendungsbeispielen -- zum globalen Biodiversitätsschutz, Walderhaltung in Polen oder einer Wasserqualitätsverbesserung in der Ostsee -- werden die Ungleichheitskorrekturen beziffert und empirisch getestet. Schließlich weist eine Fallstudie für das Weserästuar nach, dass eine Berücksichtigung von Umweltfolgen die Ergebnisse von Kosten-Nutzen-Analysen in der Verkehrswegeplanung erheblich verändern kann. Insgesamt zeigt diese Dissertation, dass die Verteilung von wirtschaftlichen und natürlichen Ressourcen innerhalb und zwischen Generationen den ökonomischen Wert, den die Gesellschaft der Natur beimisst, wesentlich beeinflusst. Sie trägt damit zur Entwicklung volkswirtschaftlicher Methoden bei, die nicht nur auf Effizienz, sondern auch auf Gerechtigkeit und Verteilung zielen, und damit dem Leitbild einer nachhaltigen Entwicklung folgen. / This doctoral thesis presents seven research papers in environmental and resource economics. I study how the economic value that society attaches to nature depends on the distribution of income or the provision of environmental goods, within or across generations. To this end, three novel environmental economic models are developed on how the distribution affects aggregated willingness to pay for pure public environmental goods, local environmental goods or natural capital. The analyses show that for many environmental goods the economic value is the higher the more equal incomes or environmental good endowment are distributed. For practical applications theory-based adjustment factors are derived. These allow to estimate societal willingness to pays from secondary data or to conduct inequality-adjustments in cost-benefit analysis. In a series of applications -- to global biodiversity conservation, forest protection in Poland or water quality improvement in the Baltic Sea -- inequality adjustments are quantified and empirically tested. Turning to international environmental agreements, a simulation study shows that uncertainties about the regional distribution of climate change damages can increase the stability of climate coalitions if transfer schemes are implemented. Finally, a case study on the deepening of the Weser estuary highlights that accounting for environmental costs can substantially change the results of cost-benefit analyses in transportation infrastructure planning. Overall, this dissertation shows that the distribution of economic and natural resources within and across generations substantially affects the economic value that society attaches to nature. I thus contribute to the development of economic methods that aim not only at efficiency, but also at equity and distribution, and thus follow the vision of a sustainable development.

Das Lernen aus strukturierten Eingabe- und Ausgabebeispielen ist die Grundlage für die automatisierte Verarbeitung natürlich auftretender Problemstellungen und eine Herausforderung für das Maschinelle Lernen. Die Einordnung von Objekten in eine Klassentaxonomie, die Eigennamenerkennung und das Parsen natürlicher Sprache sind mögliche Anwendungen. Klassische Verfahren scheitern an der komplexen Natur der Daten, da sie die multiplen Abhängigkeiten und Strukturen nicht erfassen können. Zudem ist die Erhebung von klassifizierten Beispielen in strukturierten Anwendungsgebieten aufwändig und ressourcenintensiv, während unklassifizierte Beispiele günstig und frei verfügbar sind. Diese Arbeit thematisiert halbüberwachte, diskriminative Vorhersagemodelle für strukturierte Daten. Ausgehend von klassischen halbüberwachten Verfahren werden die zugrundeliegenden analytischen Techniken und Algorithmen auf das Lernen mit strukturierten Variablen übertragen. Die untersuchten Verfahren basieren auf unterschiedlichen Prinzipien und Annahmen, wie zum Beispiel der Konsensmaximierung mehrerer Hypothesen im Lernen aus mehreren Sichten, oder der räumlichen Struktur der Daten im transduktiven Lernen. Desweiteren wird in einer Fallstudie zur Email-Batcherkennung die räumliche Struktur der Daten ausgenutzt und eine Lösung präsentiert, die der sequenziellen Natur der Daten gerecht wird. Aus den theoretischen Überlegungen werden halbüberwachte, strukturierte Vorhersagemodelle und effiziente Optmierungsstrategien abgeleitet. Die empirische Evaluierung umfasst Klassifikationsprobleme, Eigennamenerkennung und das Parsen natürlicher Sprache. Es zeigt sich, dass die halbüberwachten Methoden in vielen Anwendungen zu signifikant kleineren Fehlerraten führen als vollständig überwachte Baselineverfahren. / Learning mappings between arbitrary structured input and output variables is a fundamental problem in machine learning. It covers many natural learning tasks and challenges the standard model of learning a mapping from independently drawn instances to a small set of labels. Potential applications include classification with a class taxonomy, named entity recognition, and natural language parsing. In these structured domains, labeled training instances are generally expensive to obtain while unlabeled inputs are readily available and inexpensive. This thesis deals with semi-supervised learning of discriminative models for structured output variables. The analytical techniques and algorithms of classical semi-supervised learning are lifted to the structured setting. Several approaches based on different assumptions of the data are presented. Co-learning, for instance, maximizes the agreement among multiple hypotheses while transductive approaches rely on an implicit cluster assumption. Furthermore, in the framework of this dissertation, a case study on email batch detection in message streams is presented. The involved tasks exhibit an inherent cluster structure and the presented solution exploits the streaming nature of the data. The different approaches are developed into semi-supervised structured prediction models and efficient optimization strategies thereof are presented. The novel algorithms generalize state-of-the-art approaches in structural learning such as structural support vector machines. Empirical results show that the semi-supervised algorithms lead to significantly lower error rates than their fully supervised counterparts in many application areas, including multi-class classification, named entity recognition, and natural language parsing.

Mit Ökobilanzen werden Umwelteigenschaften von Produkten und Dienstleistungen analysiert und zunehmend bei der Bewertung von Milchproduktionssystemen eingesetzt. Um konsistente Berichterstattung und Vergleichbarkeit von produktbezogenen Treibhausgasemissionen im Milchsektor zu gewährleisten hat die International Dairy Federation (IDF) Berechnungsgrundlagen publiziert. Allerdings werden die Effekte von Variabilität betrieblicher Kennzahlen und Unsicherheit von Emissionsfaktoren unzureichend betrachtet. Diese Arbeit hat es zum Ziel diese Lücke zu schließen. In der ersten Studie wurden verschiedene Definitions- und Berechnungsmöglichkeiten des Referenzflusses und der funktionellen Einheit für die Klimabilanz von Milchproduktion verglichen. Eine hohe Bandbreite an möglichen Ergebnissen – bei gleichen Eingangsdaten – ermöglicht eine große Ergebnisunsicherheit. Die Voraussetzungen für zeitliche Repräsentativität wurden in der zweiten Studie untersucht. Über 6 aufeinanderfolgende Jahre wurde auf einem ökologischen Milchviehbetrieb in Norddeutschland die Klimabilanz mit einem detaillierten Stoffflussmodel analysiert. Dabei zeigte es sich, dass für den untersuchten Betrieb mindestens 4 aufeinanderfolgende Jahre untersucht werden müssen um belastbare Ergebnisse zu erzielen. Die dritte Studie befasst sich mit der Forderung mindestens ein Stufe 2 Verfahren der Methodik des IPCC zu verwenden. Mit Daten von 20 norwegischen Milchviehbetrieben wurde die Unsicherheit der Klimabilanz auf Basis von Tier 1 Berechnungen bei bodenbürtigen Emissionen mit dem FARM Modell ermittelt. Von allen 190 direkten Vergleichen von zwei Betrieben miteinander waren 78 % signifikant unterschiedlich Aus den drei Studien wird geschlossen, dass die existierenden Regeln zur Erstellung von Klimabilanzen von Milchproduktion teilweise zu unpräzise und teilweise zu streng sind, und damit sowohl Erstellung als auch Interpretation von betrieblichen Klimabilanzen in der Milchproduktion erschwert werden. / Life cycle assessment (LCA) analyses the environmental performance of products and services and has become increasingly important also for the environmental assessment of dairy systems. In order to create consistent results for communication, declaration and comparison, the International Dairy Federation (IDF) provides a guideline for the calculation of product-related greenhouse gas (GHG) emissions in the dairy sector. However, the effects of farm data variability and emission factor uncertainty on the comparability of GHG assessments on the farming level are seldom considered. This thesis aims to fill this gap. In the first study, different settings in the definition of energy corrected milk (ECM) and the reference flows were compared in a calculation example based on average farming data. A high bandwidth of the carbon footprint result indicated a severe uncertainty when calculation procedures are not well documented. The second case study examined the production data from six consecutive milk years in an organic dairy farm in northern Germany and its effect on the estimation of product-related GHG emissions. It was shown that data from at least four years is needed to provide reliable results for that farm. The third study dealt with the demand of the IDF guidelines to use at least Tier 2 in the methodology of the Intergovernmental Panel on Climate Change (IPCC). Using data from 20 Norwegian dairy farms, the uncertainty of the carbon footprint using Tier 1 of the IPCC guidelines within the FARM model was assessed. From all 190 direct comparisons of two farms in the study, 78 % of the comparisons were significantly different with a relative difference of 8.7 % being enough to establish significance of the difference. From the three studies it was concluded that existing rules may partly not be precise enough to allow for comparison of farms or farming systems, or partly too strict and thereby hindering the execution of carbon footprint studies.

Internationale Kooperation zur Vermeidung von gefährlichem anthropogenen Klimawandel erweist sich als sehr komplex. Viele Schwierigkeiten, ein verbindliches internationales Abkommen mit ausreichenden Reduktionszielen zu erreichen, sind augenscheinlich und werden in bestehender ökonomischer Literatur ausführlich diskutiert. Es entstehen allerdings stetig neue Ansätze und Ideen um Klimakooperation zu fördern. Diese Arbeit untersucht neue Wege der internationalen Klimakooperation und erweitert den Horizont der spieltheoretischen Forschung zu internationalen Umweltabkommen um Ansätze aus der Global Governance, politischen Ökonomie und Außenhandelspolitik. Zudem wird die Übertragbarkeit spieltheoretischer Erkenntnisse aus der Forschung zum Klimaschutz für die transnationale Klimaanpassung diskutiert. Die Arbeit fundiert in großen Teilen auf analytisch-spieltheoretischer Modellierung. In der zu Grunde liegenden Spielstruktur entscheiden Länder anfangs, ob sie einer internationalen Koalition beitreten oder nicht. Anschließend wählen die Koalitionsmitglieder ihr Emissionsniveau in einem Spiel zwischen der Koalition und den Nichmitgliedern. In diesem Analyserahmen wird die Option mehrerer gleichzeitig parallel existierender Klimaklubs auf ihr Potenzial zur Verbesserung der Zusammenarbeit und Emissionsminderung untersucht. Darüber hinaus wird der Einfluss von politischen Interessengruppen (Lobbys), die die Interessen von Industrie und Umweltverbänden vertreten, auf die Stabilität internationaler Umweltabkommen analysiert. Dies geschieht durch eine politökonomische Ergänzung des Grundmodells. Die Eignung von Handelssanktionen als Mittel zur Förderung der internationalen Kooperation für den Klimaschutz wird ebenfalls in einem analytischen Model untersucht und die Auswirkungen dieser Maßnahmen anschließend in einem angewandten allgemeinen Gleichgewichtsmodell quantifiziert. / International cooperation to avoid dangerous anthropogenic climate change has proven to be very hard to achieve. The difficulties to reach a binding international agreement with sufficient reduction targets are evident and extensively discussed in the economic literature. Nevertheless, new ideas towards cooperation are evolving. This thesis offers an exploration of new avenues to international climate cooperation, widening the scope of game theoretic research on international environmental agreements towards global governance literature, political economy and trade. It also extends the potential applicability of the findings from the game theoretic literature on international environmental agreements for climate change mitigation as it discusses potential insights for cases of transnational climate adaptation. The analysis is based on analytical theoretical modelling, using a game theoretical model in which countries first choose between joining and not joining an international coalition. Then the coalition members choose their level of emissions cooperatively in a game between the coalition and the outsiders. It includes the possibility of multiple parallel climate clubs, focusing on their potential to enhance cooperation and emissions abatement. Further, the influence of political pressure groups (lobbies) that represent the interests of the industry and environmentalists on the stability of international environmental agreements is examined. This is done by augmenting the basic model of international environmental agreements with a politico-economic model of political contributions. The potential of trade sanctions to induce international cooperation for climate protection is assessed in an analytical model and the effects of these trade measures are then quantified in a static multi-region, multi-sector computable general equilibrium model of globaltrade and energy.

In dieser Dissertation beschäftige ich mich mit der Frage, welchen Anforderungen wissenschaftliche Theorien über Emotionen gerecht werden müssen, damit sie sowohl begrifflich fundiert als auch empirisch fruchtbar sind. Zu diesem Zweck biete ich zunächst eine Analyse der wichtigsten Herausforderungen, mit denen wissenschaftliche Emotionstheorien konfrontiert sind. Anschließend schlage ich einen metatheoretischen Rahmen vor, indem wissenschaftliche Konzepte von Emotionen als Begriffsexplikationen von Alltagsemotionskonzepten konstruiert werden können. Teil I diskutiert die wichtigsten Herausforderungen für Theorien der Emotionen in der Psychologie und den Neurowissenschaften. Die erste Herausforderung ist, dass eine wissenschaftliche Theorie der Emotionen alle und nur die Phänomene unter den Alltagsbegriff „Emotion“ subsumieren sollte, die durch gemeinsame begriffliche Ressourcen erfasst werden können. Die zweite Herausforderung ist, dass jede Emotionskategorie gut koordinierten Gruppen neuronaler, physiologischer und verhaltensbezogener Reaktionsmuster entsprechen sollte. Ich behaupte, dass keine der derzeitigen Theorien der Emotion in Psychologie und Neurowissenschaft dieser Anforderung entspricht. Infolgedessen ist eine neue Theorie der Emotionen erforderlich. Teil II entwickelt den metatheoretisches Bezugssystem für eine Theorie der Emotionen, die den oben genannten Herausforderungen entspricht. Erstens schlage ich eine pluralistische Darstellung der Kategorien oder „scientific kinds“ vor, die induktive Schlussfolgerungen begründen können. Jedes dieser Muster bietet einen Rahmen, um verschiedene Arten von wissenschaftlichen Konzepten zu konstruieren. Ich argumentiere, dass das funktionale Bezugssystem für wissenschaftliche Kategorien oder „scientific kinds“ am besten zur Erläuterung von Emotionskonzepten geeignet ist. Folglich schließe ich mit der Empfehlung, dass Wissenschaftler*Innen funktionalistische Theorien von Emotionen benutzen sollten. / In this dissertation, I address the question of how to construct scientific theories of emotions that are both conceptually sound and empirically fruitful. To do this, I offer an analysis of the main challenges scientific theories of emotions face, and I propose a meta-theoretical framework to construct scientific concepts of emotions as explications of folk emotion concepts. Part I discusses the main challenges theories of emotions in psychology and neuroscience encounter. The first states that a proper scientific theory of emotions must explain all and only the phenomena under the vernacular term ‘emotion’ with a common set of conceptual resources and under an overarching generic concept of emotion. The second demands that each emotion category corresponds to well-coordinated sets of neural, physiological, and behavioral patterns of responses. I argue that none of the best contemporary theories of emotions in psychology and neuroscience overcomes these challenges. As a result, a new theory of emotions is required. In Part II, I develop the meta-theoretical framework to construct a theory of emotions that overcomes the challenges above. First, I propose a pluralistic account of scientific kinds based on different patterns of projection that various disciplines may take to justify inductive inferences. These are essentialist, historical, and social patterns. Each of these patterns provides a framework to construct different types of scientific concepts. I argue that among the frameworks for scientific kinds available, the one that is best suited to explicate emotion concepts is a functional framework. Consequently, I conclude by recommending scientists pursue functionalist theories of emotions over essentialist, historical, or social theories.

Selecting patients for clinical trials is very labor-intensive. Our goal is to develop an automated system that can support doctors in this task. This paper describes a major step towards such a system: the automatic translation of clinical trial eligibility criteria from natural language into formal, logic-based queries. First, we develop a semantic annotation process that can capture many types of clinical trial criteria. Then, we map the annotated criteria to the formal query language. We have built a prototype system based on state-of-the-art NLP tools such as Word2Vec, Stanford NLP tools, and the MetaMap Tagger, and have evaluated the quality of the produced queries on a number of criteria from clinicaltrials.gov. Finally, we discuss some criteria that were hard to translate, and give suggestions for how to formulate eligibility criteria to make them easier to translate automatically.

Flora und Vegetation sind Spiegelbild naturräumlicher Potenziale ebenso wie kulturbürtiger Einflüsse. Der im Rahmen einer bodenkundlichen Tagung entstandene Artikel gibt einen textlichen und kartografischen Überblick zur potenziellen natürlichen Vegetation (pnV) Sachsens. Aktuelle Vegetationsverhältnisse finden ebenso Berücksichtigung. Die Naturregionen Tief-, Hügel- und Bergland werden aus vegetationskundlicher Sicht - unter Einbeziehung aktueller Forschungen und mit Bezug auf geologische, edaphische sowie klimatische Rahmenbedingungen - charakterisiert. Regionale Besonderheiten (z. B. die Ost-West-Gliederung des Erzgebirges) werden dabei ebenso herausgestellt wie neuere Erkenntnisse zur Verbreitung von landschaftsprägenden Waldtypen (z. B. bodensaure Eichenwälder im Tiefland).

No description available.