haku: @keyword information extraction / yhteensä: 7
viite: 4 / 7
Tekijä: | Nyrölä, Jaakko |
Työn nimi: | 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? | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2006 |
Sivut: | 94 Kieli: eng |
Koulu/Laitos/Osasto: | Tietotekniikan osasto |
Oppiaine: | Tietämystekniikka (T-93) |
Valvoja: | Syrjänen, Markku |
Ohjaaja: | Yangarber, Roman |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark T80 | Arkisto |
Avainsanat: | 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 |
Tiivistelmä (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 tietueen numero: 32655
+ lisää koriin
INSSI