Bei der Informationsextraktion (IE) geht es um die automatische Extraktion von Information aus Volltexten. Die Anwendungen erstrecken sich von der Unterstützung von Internet-Suchmaschinen bis hin zum automatischen Aufbau von Fachdatenbanken. Die Methoden reichen von der Analyse natürlicher Sprache über automatische Termerkennung bis zu automatischen Lernverfahren, wobei symbolische, statistische und hybride Methoden zum Einsatz kommen. Komplexe Informationsstrukturen können mit sogenannten Templates (Informationsmustern) repräsentiert werden. In der Veranstaltung werden verschiedene Anwendungen und Methoden für diverse Anwendungsdomänen betrachtet.
Inhalte:
In der Vorlesung wird zunächst der Begriff der Informationsextraktion in Abgrenzung zum Information Retrieval definiert. Dazu gehört auch, die Teilgebiete und Aufgaben der Informationsextraktion (IE) vorzustellen. Dabei wird konkret auf die einzelnen Probleme der IE eingegangen, bevor Ansätze und Verfahren zur Lösung dieser behandelt werden. Die Veranstaltungsteilnehmer werden lernen, wie die Architektur eines generischen IE-Systems aussieht, welche Komponenten es enthält, und auf welchen Ressourcen es aufbaut.
Lernziele:
Ziel ist es, die Probleme bei der automatischen Informationsextraktion aus Dokumenten zu verstehen und die notwendigen Komponenten und Ressourcen kennenzulernen.
Here is a link to the Seminar
Email Address: SubstituteMyLastName@cis.uni-muenchen.de
Tutor: Tobias Eder
Email Address: tobias.eder@in.tum.de
Room L155, Wednesdays, 16 to 18 (c.t.)
If this web page does not seem to be up to date, use the refresh button in your browser.
| Date | Topic | Reading (BEFORE THE NEXT MEETING!) | Lecture slides |
| October 17th | Introduction to Information Extraction | Read Sarawagi: Introduction (pages 1 to 21) | pptx pdf |
| October 24th | History/Related Fields, Sources, Regular Classes | Read Sarawagi: Rule-based (Chapter 2) | pptx pdf |
| November 7th | Introduction to Evaluation, Rule-based NER | pptx pdf | |
| November 14th | More evaluation, IE Tasks, Annotation, Intro Classification-based NER | Read Sarawagi: Statistical Methods (Chapter 3) | pptx pdf |
| November 21st | Decision Trees | pptx pdf | |
| November 28th | Linear Models | pptx pdf | |
| December 5th | Relation Extraction, Matthias Huck | Read Sarawagi: Relationship Extraction | |
| December 12th | Neural Networks and Word Embeddings | ||
| December 19th | Neural Networks for NER, Viktor Hangya | ||
| January 9th | Sentiment Analysis, Dario Stojanovski | pptx pdf | |
| January 16th | Event Extraction and Multimodal Extraction | pptx pdf | |
| January 23rd | Open IE, Matthias Huck | ||
| January 30th | REVIEW | ||
| February 6th | NO CLASS (by student request the Klausur was moved to the 13th!) | ||
| February 13th | Klausur (15:00 c.t., one hour earlier than usual, in BU101 at the Ooettingerstr, bring blank paper!) | ||
| April 24th | Nachholklausur moved to 24.04 at 17:00 c.t. (NOT 11:00 c.t.!) due to an error in the LSF listing (ROOM BU101, bring blank paper) |
Literature:
Sunita Sarawagi. Information Extraction. Foundations and Trends in Databases, 1(3):261–377, 2008. Table of Contents