Information Extraction - Lecture (WS 2022-2023)

Summary

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

Instructor

Alexander Fraser

Email Address: SubstituteMyLastName@cis.uni-muenchen.de

CIS, LMU Munich



Schedule


Wednesdays, 16 to 18 (c.t.), Oettingenstr. 67 / BU 101


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 Video
October 19th Introduction to Information Extraction Read Sarawagi: Introduction (pages 1 to 21) pptx pdf ws20 mp4
October 26th History/Related Fields, Sources, Regular Classes Read Sarawagi: Rule-based (Chapter 2) pptx pdf ws20 mp4
November 2nd Introduction to Evaluation, Rule-based NER pptx pdf ws20 mp4
November 9th More evaluation, IE Tasks, Annotation, Intro Classification-based NER Read Sarawagi: Statistical Methods (Chapter 3) pptx pdf ws20 mp4
November 16th Decision Trees pptx pdf ws20 mp4
November 30th Linear Models Read Sarawagi: Statistical Methods (Chapter 3), this time with the math pptx pdf ws20 mp4
December 14th Neural Networks and Word Embeddings     pdf
(page 60 corrected)
ws20 mp4
January 11th Neural Networks for NER, Viktor Hangya     pdf ws20 mp4
January 18th Relation Extraction Read Sarawagi: Relationship Extraction     pdf ws20 mp4
Additional Slides, optional (Klausur, Bachelorarbeit, Event and Multimodal Extraction)     pdf
January 25th Open IE     pdf ws20 mp4
February 1st Review ws20 mp4
February 8th No Class (exam moved to Feb 15th by student request)
February 15th Exam


Literature:

Sunita Sarawagi. Information Extraction. Foundations and Trends in Databases, 1(3):261–377, 2008. Table of Contents