Header

UZH-Logo

Maintenance Infos

Text Mining Methoden im Semantic Web


Schneider, Gerold; Zimmermann, Heinrich (2010). Text Mining Methoden im Semantic Web. HMD Praxis der Wirtschaftsinformatik, (271):35-46.

Abstract

Aufbau, Pflege und Nutzung großer Wissensdatenbanken erfordert den kombinierten Einsatz menschlicher und maschineller Informationsverarbeitung. Da große Teile des menschlichen Wissens in Textform vorliegen, bieten sich Methoden des Text Mining zur Extraktion von Wissensinhalten an. Dieser Artikel behandelt Grundlagen des Text Mining im Kontext des Semantic Web. Methoden des Text Mining, die für die halbautomatische Annotierung von Texten und Textteilen eingesetzt werden, werden besprochen, insbesondere Eigennamenerkennung (Named-Entity Recognition), automatische Schlüsselworterkennung (Keyword Recognition), automatische Dokumentenklassifikation, teilautomatisches Erstellen von Ontologien, halbautomatische Faktenerkennung (Fact Recognition, Event Recognition). Es werden auch kritische Hintergrundfragen aufgegriffen. Das Problem der zu hohen Fehlerrate und der zu geringen Performanz automatischer Verfahren wird diskutiert. Zwei Beispiele aus der Praxis werden vorgestellt: Erstens das Forschungsprojekt Ontogene der Universität Zürich, in dem Protein-Protein Interaktionen als Relationstripel aus der Fachliteratur extrahiert werden, und zweitens ein ontologie-basierter Tag-Recommender, welcher die manuelle Vergabe von Schlüsselwörtern an Wissensressourcen unterstützt.

Abstract

Aufbau, Pflege und Nutzung großer Wissensdatenbanken erfordert den kombinierten Einsatz menschlicher und maschineller Informationsverarbeitung. Da große Teile des menschlichen Wissens in Textform vorliegen, bieten sich Methoden des Text Mining zur Extraktion von Wissensinhalten an. Dieser Artikel behandelt Grundlagen des Text Mining im Kontext des Semantic Web. Methoden des Text Mining, die für die halbautomatische Annotierung von Texten und Textteilen eingesetzt werden, werden besprochen, insbesondere Eigennamenerkennung (Named-Entity Recognition), automatische Schlüsselworterkennung (Keyword Recognition), automatische Dokumentenklassifikation, teilautomatisches Erstellen von Ontologien, halbautomatische Faktenerkennung (Fact Recognition, Event Recognition). Es werden auch kritische Hintergrundfragen aufgegriffen. Das Problem der zu hohen Fehlerrate und der zu geringen Performanz automatischer Verfahren wird diskutiert. Zwei Beispiele aus der Praxis werden vorgestellt: Erstens das Forschungsprojekt Ontogene der Universität Zürich, in dem Protein-Protein Interaktionen als Relationstripel aus der Fachliteratur extrahiert werden, und zweitens ein ontologie-basierter Tag-Recommender, welcher die manuelle Vergabe von Schlüsselwörtern an Wissensressourcen unterstützt.

Statistics

Altmetrics

Downloads

425 downloads since deposited on 21 Feb 2011
76 downloads since 12 months
Detailed statistics

Additional indexing

Item Type:Journal Article, refereed, original work
Communities & Collections:06 Faculty of Arts > English Department
06 Faculty of Arts > Institute of Computational Linguistics
Dewey Decimal Classification:000 Computer science, knowledge & systems
820 English & Old English literatures
410 Linguistics
Uncontrolled Keywords:Semantic Web, Text Mining, Dokumentenklassifikation, Fact Recognition, Keyword Recognition, Ontologie, Tagging, Computerlinguistik
Language:German
Date:February 2010
Deposited On:21 Feb 2011 13:21
Last Modified:06 Jun 2016 13:07
Publisher:Springer
ISSN:1436-3011
ISBN:978-3-89864-624-6
Official URL:http://hmd.dpunkt.de/271/index.html

Download

Download PDF  'Text Mining Methoden im Semantic Web'.
Preview
Filetype: PDF
Size: 1MB