ISSN 1436-3011

19.03.2010

Web 3.0 & Semantic Web

Text-Mining-Methoden im Semantic Web

Gerold Schneider, Heinrich Zimmermann

Zusammenfassung

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 werden besprochen, die für die halbautomatische Annotierung von Texten und Textteilen eingesetzt werden, insbesondere Eigennamenerkennung (Named-Entity Recognition), automatische Schlüsselworterkennung (Keyword Recognition), automatische Dokumentenklassifikation, teilautomatisches Erstellen von Ontologien und 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 ontologiebasierter Tag-Recommender, der die manuelle Vergabe von Schlüsselwörtern an Wissensressourcen unterstützt.

Inhaltsübersicht

1. Annotierungsaufwand für das Semantic Web
2. Methoden des Text Mining für das Semantic Web
   1. Eigennamenerkennung (Named-Entity Recognition and Grounding)
   2. Automatische Schlüsselworterkennung (Keyword Recognition)
   3. Automatische Dokumentenklassifikation
   4. Automatische Faktenerkennung (Fact Recognition, Event Recognition)
   5. Teilautomatisches Erstellen von Ontologien
3. Hintergrundfragen
4. Beispiele aus der Praxis
   1. Protein-Protein-Interaktionen: OntoGene
   2. Ontologiebasierter Tag-Recommender
5. Schlussfolgerungen und Ausblick
6. Literatur

HMD, Heft 271, Februar 2010