Wissensakquisition mithilfe maschineller Lernverfahren auf tiefen semantischen Repräsentationen

1. Auflage 2012
ISBN: 978-3-8348-2502-5
Verlag: Springer

Buch, Deutsch, 323 Seiten, Format (B × H): 148 mm x 210 mm, Gewicht: 446 g

Eine große Wissensbasis ist eine Voraussetzung für eine Vielzahl von Anwendungen im Bereich der automatischen Sprachverarbeitung, wie Frage-Antwort- oder Information-Retrieval-Systeme. Ein Mensch hat sich das erforderliche Wissen, um Informationen zu suchen oder Fragen zu beantworten, im Laufe seines Lebens angeeignet. Einem Computer muss dieses Wissen explizit mitgeteilt werden. Tim vor der Brück beschreibt einen Ansatz, wie ein Computer dieses Wissen ähnlich wie ein Mensch durch die Lektüre von Texten erwerben kann. Dabei kommen Methoden der Logik und des maschinellen Lernens zum Einsatz.

Zielgruppe

Dozierende und Studierende der Informatik, Künstlichen Intelligenz und Computerlinguistik; Fachkräfte auf dem Gebiet des Data Mining / Machine Learning.

Autoren/Hrsg.

vor der Brück, Tim

Fachgebiete

• Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz Wissensbasierte Systeme, Expertensysteme
• Mathematik | Informatik EDV | Informatik Daten / Datenbanken Data Mining
• Geisteswissenschaften Sprachwissenschaft Computerlinguistik, Korpuslinguistik

Inhaltsverzeichnis

Typische Arten von Wissen.- Stand der Forschung: automatische Lernverfahren für die Wissensakquisition.- Relationsextraktion basierend auf einer tiefen semantischen Wissensrepräsentation.- Lernen von Entailments basierend auf einer tiefen semantischen Wissensrepräsentation.- Evaluation.

Über Autor(innen)

Tim vor der Brück arbeitet am Lehrgebiet Texttechnologie der Goethe-Universität Frankfurt am Main mit der Verarbeitung natürlicher Sprache sowie dem Einsatz von maschinellen Lernverfahren.