haku: @keyword information extraction / yhteensä: 7
hakutulos-lista
viite: 4 / 7
« edellinen | seuraava »
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
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen 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

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
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
« edellinen | seuraava »
INSSI