Logo des Repositoriums
 

Open Information Extraction gestützte Pipeline für einen deutschsprachigen Wissensgraphen

dc.contributor.authorLehner, Marco
dc.contributor.authorSauer, Anna
dc.contributor.authorSchmidt, Christopher
dc.contributor.authorSchwarz, Lukas
dc.contributor.editorBecker, Michael
dc.date.accessioned2019-10-14T12:09:10Z
dc.date.available2019-10-14T12:09:10Z
dc.date.issued2019
dc.description.abstractEine zentrale Herausforderung bei der Erstellung von Wissensgraphen aus natürlichsprachigen Texten besteht darin, geeignete Werkzeuge für unterschiedliche Sprachen zu entwickeln. Besonders abseits des Englischen sind einsatzfähige Architekturen Mangelware. In diesem Paper stellen wir eine mögliche Pipeline vor, die auf Basis von Open Information Extraction (OIE) einen RDF/OWL-Wissensgraphen aus deutschen Texten extrahiert. Dabei verbinden wir verschiedene bestehende Werkzeuge zur Natürlichen Sprachverarbeitung miteinander, die eigens für die deutsche Sprache konstruiert wurden. Während die Relation Extraction zum GroSSteil auf Dependency Parsing basiert, konzentrieren wir uns bei der Entity Extraction mithilfe von Named Entity Recognition auf Eigennamen, vor allem von Personen.de
dc.identifier.isbn978-3-88579-449-3
dc.identifier.pissn1614-3213
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/28994
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofSKILL 2019 - Studierendenkonferenz Informatik
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Seminars, Volume S-15
dc.subjectWissensgraph
dc.subjectOpen Information Extraction
dc.subjectNatürliche Sprachverarbeitung
dc.subjectSemantic Web
dc.titleOpen Information Extraction gestützte Pipeline für einen deutschsprachigen Wissensgraphende
dc.typeText/Conference Paper
gi.citation.endPage31
gi.citation.publisherPlaceBonn
gi.citation.startPage23
gi.conference.date25.-26. September 2019
gi.conference.locationKassel
gi.conference.sessiontitleNatural Language Processing

Dateien

Originalbündel
1 - 1 von 1
Lade...
Vorschaubild
Name:
SKILL2019-02.pdf
Größe:
168.62 KB
Format:
Adobe Portable Document Format