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
Wednesdays, 16 to 18 (c.t.), ZOOM ONLINE. URL will be sent to students registered in LSF.
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 |
| November 4th | Introduction to Information Extraction | Read Sarawagi: Introduction (pages 1 to 21) | pptx pdf | mp4 |
| November 11th | History/Related Fields, Sources, Regular Classes | Read Sarawagi: Rule-based (Chapter 2) | pptx pdf (updated!) | mp4 |
| November 18th | Introduction to Evaluation, Rule-based NER | pptx pdf | mp4 | |
| November 25th | More evaluation, IE Tasks, Annotation, Intro Classification-based NER | Read Sarawagi: Statistical Methods (Chapter 3) | pptx pdf | mp4 |
| December 2nd | Decision Trees | pptx pdf | mp4 | |
| December 9th | Linear Models | Read Sarawagi: Statistical Methods (Chapter 3), this time with the math | pptx pdf | mp4 |
| December 16th | IMPORTANT: STARTING 30 MINUTES LATER AT 16:45! (Neural Networks and Word Embeddings) | mp4 | ||
| January 13th | Neural Networks for NER, Viktor Hangya | mp4 | ||
| January 20th | Relation Extraction | Read Sarawagi: Relationship Extraction | mp4 | |
| Additional Slides, optional (Klausur, Bachelorarbeit, Event and Multimodal Extraction) | ||||
| January 27th | Open IE | mp4 | ||
| February 3rd | Review | mp4 | ||
| February 10th | No Class (exam moved to Feb 17th by student request) | |||
| February 17th | ONLINE EXAM (usual zoom link, you need a working webcam) |
Literature:
Sunita Sarawagi. Information Extraction. Foundations and Trends in Databases, 1(3):261–377, 2008. Table of Contents