Text Mining: Wissensrohstoff Text

Prof. Dr.-Ing. habil. Helmut Balzert, Inhaber des Lehrstuhls für Software-Technik an der Ruhr-Universität Bochum, Aufsichtsratsvorsitzender der Schleupen AG, Technologieberater der GUS-Gruppe. Forschungsgebiete: Generierende Systeme, Software-Ergonomie, CASE, multimediale Lehr- und Lernsysteme.

Ein großer Teil des Weltwissens liegt in Form digitaler Texte im Internet und in Intranets. Diese digitalen Texte die in den meisten natürlichen Sprachen vorliegen stellen einen bedeutsamen und bisher kaum genutzten Wissensrohstoff dar. Lernen Sie in diesem ersten deutschen Lehrbuch zu diesem Thema, wie digitaler Text mit Hilfe des »Text Mining« für das Wissensmanagement aufbereitet, verarbeitet und genutzt werden kann.Die behandelten Themen in diesem Buch: Wissen und Text, Grundlagen der Bedeutungsanalyse, Textdatenbanken, Sprachstatistik, Clustering, Musteranalyse, Hybride Verfahren, Beispielanwendungen, Anhänge: Statistik und linguistische Grundlagen

1 Wissen und Text (Text Mining Aufbau & Struktur v. Text, Wissensverarb. gestern & heute) 2 Grundl. der Bedeutungsanalyse ( Syntagmat. Relationen, Paradigmat. Rel., Semantische Rel., Logische Rel., Fach- & Allgemeinsprache) 3 Textdatenbanken (Textressourcen, Aufbau v. Textdatenbanken, Segmentierung v. Text, Datenstrukturen, Abfragemöglichkeiten) 4 Sprachstatistik (Zipfsche Gesetze, Differenzanalyse, Probabilistisches Sprachmodell, Hidden Markov-Modelle, Tagging, Signifikante Kookkurrenzen, Visualisierung von sign. Kookk., Anwend. auf andere Sprachen, Kookk. höherer Ordnung, Netze v. Kookkurrenten, Small Worlds u. skalenfreie Netze, Disambiguierung, Communities) 5 Clustering (Clustering-Verfahren, Dokumentenähnlichkeit, Clustern v. Wortformen, Merkmalsextraktion) 6 Musteranalyse (Reguläre Ausdrücke, Syntaktische Muster, Morphemmuster) 7 Hybride Verfahren (Lexikalische Filter, Kombination versch. Wissensquellen, Bootstrapping 8 Beispielanwendungen / Anhang (Ling. Grundlagen u. Statistik)