Text Mining: Wissensgewinnung aus natürlichsprachigen Dokumenten

Das noch recht junge Forschungsgebiet "Text Mining" umfaßt eine
Verbindung von Verfahren der Sprachverarbeitung mit Datenbank-
und Informationssystemtechnologien. Es entstand aus der
Beobachtung, dass ca. 85% aller Datenbankinhalte nur in
unstrukturierter Form vorliegen, so dass sich die Techniken des
klassischen Data Mining zur Wissensgewinnung nicht anwenden
lassen. Beispiele für solche Daten sind Volltextdatenbanken mit
Büchern, Unternehmenswebseiten, Archive mit Zeitungsartikeln
oder wissenschaftlichen Publikationen, aber auch Ströme
kontinuierlich auflaufender Emails oder Meldungen von
Nachrichtenagenturen (Newswires).

Im Gegensatz zum Information Retrieval geht es beim Text Mining
nicht darum, lediglich Dokumente anhand von Anfragen
aufzufinden, sondern aus einem einzelnen oder einem Satz von
Dokumenten neues Wissen zu gewinnen, etwa durch automatische
Textzusammenfassungen, die Erkennung und Verfolgung benannter
Objekte oder die Aufdeckung neuer Trends in Forschung und
Industrie. Durch die ständig wachsende Zahl elektronisch
verfügbarer Texte werden automatisch arbeitende Verfahren zur
Bewältigung der Informationsflut immer dringender, was Text
... mehrMining zu einem sehr aktiven und auch kommerziell interessanten
Forschungsgebiet macht.

Der vorliegende Bericht enthält eine Auswahl von Themen, die von
Studierenden der Universität Karlsruhe im Rahmen eines
Hauptseminars am IPD im Wintersemester 2004/2005 erarbeitet
wurden. Sie reichen von den Grundlagen der Computerlinguistik
über einzelne Algorithmen zur Sprachverarbeitung bis hin zu
konkreten Anwendungen im Text Mining. Zahlreiche
Literaturreferenzen zu jedem Kapitel sollen dem Leser eine
weitergehende Studie der einzelnen Themen ermöglichen.