Információ kinyerése

Az információkinyerés a strukturált adatok automatikus  kinyerése (felépítése) strukturálatlan vagy félig strukturált, géppel olvasható dokumentumokból.

Az információkinyerés a természetes nyelvi szövegfeldolgozáshoz kapcsolódó információ-visszakeresés egy fajtája . Az információ kinyerésére példa lehet az üzleti látogatások keresése - formálisan így írják:  - hírfolyamokból , például: "Tegnap, 2007. április 1-jén a Pepelac International Corporation képviselői meglátogatták a Gravitsap Productions irodáját." Az ilyen átalakítás fő célja a kezdetben "kaotikus" információk elemzésének képessége szabványos adatfeldolgozási módszerekkel . [1] Szűkebb cél lehet például a szövegben leírt események logikai mintáinak azonosítása. [2]НанеслиВизит(Компания-Кто, Компания-Кому, ДатаВизита)

A modern információs technológiákban az ilyen eljárások, mint például az információ kinyerése, szerepe egyre inkább növekszik - a strukturálatlan ( metaadatok nélküli ) információk mennyiségének gyors növekedése miatt, különösen az interneten . Ez az információ strukturáltabbá tehető relációs formára való konvertálással vagy XML - jelölés hozzáadásával. [3] Ha intelligens ügynökökkel figyeli a hírfolyamokat, olyan módszerekre lesz szüksége, amelyek segítségével kinyerheti az információkat, és olyan formává alakíthatja, amellyel később kényelmesebb lesz dolgozni.

Egy tipikus információkinyerési feladat természetes nyelvű dokumentumok halmazának szkennelése és egy adatbázis feltöltése a kinyert hasznos információkkal. A modern információkeresési megközelítések természetes nyelvi feldolgozási módszereket használnak , amelyek csak nagyon korlátozott témakörrel (kérdésekkel, problémákkal) foglalkoznak – gyakran csak egy témával. Például a Message Understanding Conference (MUC ) egy versenykonferencia, és korábban a következőkre összpontosított:

• MUC-1 (1987), MUC-2 (1989): Haditengerészeti műveletek.
• MUC-3 (1991), MUC-4 (1992): Terrorizmus a latin-amerikai országokban.
• MUC-5 (1993): Microelectronics Venture Operations.
• MUC-6 (1995): Hírcikkek a vezetési folyamatok változásairól.
• MUC-7 (1998): Satellite Launch Reports.

A természetes nyelvű szövegeknél szükség lehet valamilyen előzetes átalakításra  egy számítógép számára érthető nyelvre (például RDF - Resource Description Framework).

Az információkinyerés tipikus részfeladatai:

• Elnevezett elemek ( entitások ) felismerése , például: személyek nevei, szervezetek nevei, földrajzi nevek, események, ideiglenes és pénzbeli megjelölések stb.
• Anafora és korreferenciák feloldása : ugyanarra az objektumra utaló kapcsolatok keresése. Az ilyen hivatkozások tipikus esete a névmási anafora.
• Terminológia azonosítása: kulcsszavak és kifejezések ( kollokációk ) keresése egy adott szöveghez.
• Auto- absztrakció : szemantikai, érzelmi, értékelő stb. információk kiválasztása a szövegből. Lehet generatív és deklaratív.

Jegyzetek

1. ↑ Az adatfeldolgozás érthető többek között , és egyszerűen azok adatbázisban való felhalmozása .
2. ↑ Az adatbányászat foglalkozik ezzel a feladattal .
3. ↑ Az internet fejlesztésének koncepcióját, amelyben minden dokumentumhoz XML formátumú metaadatokat tartalmazó fájlt csatolnak , szemantikus webnek nevezik, és nagyon ígéretesnek tartják; de érdemes megjegyezni: ez nem ugyanaz, mint magát a dokumentumot átalakítani .

Lásd még

• Információ
• Relevancia
• Tudásbázis
• Ontológia (számítástechnika)
• Adatkezelés
• Számítógépes nyelvészet
• Tudásábrázolás

Linkek

• Természetes nyelvű gépi feldolgozás: Apache UIMA
• Strukturált információk kinyerésére és keresésére szolgáló rendszer nagy tömegkommunikációs szövegtömbökből. Építészeti és nyelvi sajátosságok.
• Ismeretek kinyerése természetes nyelvű szövegekből hálózati modelleken történő problémák megoldásához.
• Protokoll Z39.50: nyílt hozzáférés a bibliográfiai információkhoz.  (nem elérhető link 2013-05-13 óta [3457 nap] - előzmények )
• Bővíthető szövegbányászati ​​platform.
• Aktív egyéni módszerek ismeretek és adatok kinyerésére
• Simakov K. V. disszertációjának kivonata a következő témában: „Modelek és módszerek a természetes nyelvű szövegekből való tudás kinyerésére”.
• Modell tények kinyerésére természetes nyelvű szövegekből és módszere ennek képzésére.

• https://web.archive.org/web/20110718185816/http://extraccioninformacion.iespana.es/ Extracción informacion (spanyol oldal)
• http://www.itl.nist.gov/iaui/894.02/related_projects/muc/ MUC
• http://projects.ldc.upenn.edu/ace/ Archivált : 2013. szeptember 25. a Wayback Machine ACE-nél (LDC)
• https://web.archive.org/web/20060308054306/http://www.itl.nist.gov/iad/894.01/tests/ace/ ACE (NIST)
• http://lcl2.di.uniroma1.it  (nem elérhető link) - TermExtractor
• TermFinder , on-line terminológia kivonó angol, francia és IT - webalkalmazásokhoz
• Videó oktatóanyagok, beszélgetések, előadások Videolectures.net
• Metaadat-kinyerés automatizálása vállalati kereséshez és mashupokhoz (Apache UIMA)