search query: @keyword bootstrapping / total: 6
reference: 5 / 6
« previous | next »
Author:Nyrölä, Jaakko
Title:Can Weakly Supervised Learning of Generalized Names Be Applied to the Domain of an Engineering Project?
Voidaanko heikosti ohjattua yleistettyjen nimien oppimista soveltaa insinööritekniikkaprojektien alueelle?
Publication type:Master's thesis
Publication year:2006
Pages:94      Language:   eng
Department/School:Tietotekniikan osasto
Main subject:Tietämystekniikka   (T-93)
Supervisor:Syrjänen, Markku
Instructor:Yangarber, Roman
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark T80     | Archive
Keywords:named entity recognition
weakly supervised learning
un-supervised learning
generalized names
bootstrapping
information extraction
corpora processing
nimettyjen entiteettien tunnistus
heikosti ohjattu oppiminen
ohjaamaton oppiminen
yleistetyt nimet
vyörytys
tiedon irrottaminen
kieliaineiston prosessointi
Abstract (fin): Yksittäisiin insinööritekniikkaprojekteihin liittyy paljon pysyvässä muodossa olevaa dokumentaatiota.
Osa dokumentaatiosta on luonteeltaan epämuodollista tietoa.
Esimerkiksi projektiin liittyvät sähköpostit, standardit ja kokousmuistiot ovat käytännössä lähes kokonaisuudessaan epämuodollista tietoa, vaikka niiden tietosisältöä on osittain jäsennetty.
Käyttäjän voi olla vaikea löytää haluttua tietoa tai edes halutun tiedon sisältävää dokumenttia muun tiedon joukosta, vaikka käyttäisi apunaan esimerkiksi merkkijonohakuja.
Aikaa voi mennä myös runsaasti, jos rakennetaan ja ylläpidetään käsin luotuja luokitteluja, jotka helpottavat tiedonhakua.
Käsin tehdyt luokittelut perustuvat sanalistoihin, jotka on koottu käsin.
Uusille ratkaisuille, jotka automaattisesti auttavat käyttäjää löytymään haluamansa tiedon, on siis tarvetta.

Tässä työssä sovellamme onnistuneesti heikosti ohjattua yleistettyjen nimien oppimista kieliaineistoon, joka on koottu insinööritekniikkaprojekteihin liittyvästä materiaalista.
Heikosti ohjattu yleistettyjen nimien oppiminen on eräs nimettyjen entiteettien tunnistustekniikka.
Sen tarkoituksena on paikantaa ja luokitella tekstielementtejä olemassa oleviin luokkiin käyttäen vain muutamaa siemenesimerkkiä kustakin luokasta.
Kuvailtua ominaisuutta voidaan hyödyntää sovelluksissa, jotka auttavat käyttäjää löytämään haluamansa tiedon.
Esimerkkisovelluksessa tunnistettuja luokkien pohjalta luodaan näkymiä, joissa yksittäistä dokumenttia edustavat dokumentin sisältämät luokkien ilmentymät.

Nimettyjen entiteettien tunnistusta voidaan käyttää myös perustana monimutkaisemmille luonnollisten kielten käsittelytehtäville, kuten esimerkiksi tiedon irrottamiseen tai automaattisten tiivistelmien luomiseen.
Työssä käytetyt luokat ovat tapahtumat, paikat, koneet, mittayksiköt, henkilöt/organisaatiot ja turvallisuus.
ED:2006-11-24
INSSI record number: 32655
+ add basket
« previous | next »
INSSI