Page: 1 2 3 4 5 6 7 8 9... 89
81 |
Grammatically Coded Corpus Of Spoken Lithuanian: Methodology And Development ...
|
|
|
|
BASE
|
|
Show details
|
|
82 |
Grammatically Coded Corpus Of Spoken Lithuanian: Methodology And Development ...
|
|
|
|
BASE
|
|
Show details
|
|
84 |
Crowdsourcing lexical semantic judgements from bilingual dictionary users
|
|
|
|
BASE
|
|
Show details
|
|
86 |
Desambiguación Verbal Automática: un estudio sobre el rendimiento de la información semántica argumental ; Verb Sense Disambiguation: a study about the performance of argumental semantic information
|
|
|
|
BASE
|
|
Show details
|
|
87 |
Knowledge-driven entity recognition and disambiguation in biomedical text
|
|
|
|
Abstract:
Entity recognition and disambiguation (ERD) for the biomedical domain are notoriously difficult problems due to the variety of entities and their often long names in many variations. Existing works focus heavily on the molecular level in two ways. First, they target scientific literature as the input text genre. Second, they target single, highly specialized entity types such as chemicals, genes, and proteins. However, a wealth of biomedical information is also buried in the vast universe of Web content. In order to fully utilize all the information available, there is a need to tap into Web content as an additional input. Moreover, there is a need to cater for other entity types such as symptoms and risk factors since Web content focuses on consumer health. The goal of this thesis is to investigate ERD methods that are applicable to all entity types in scientific literature as well as Web content. In addition, we focus on under-explored aspects of the biomedical ERD problems -- scalability, long noun phrases, and out-of-knowledge base (OOKB) entities. This thesis makes four main contributions, all of which leverage knowledge in UMLS (Unified Medical Language System), the largest and most authoritative knowledge base (KB) of the biomedical domain. The first contribution is a fast dictionary lookup method for entity recognition that maximizes throughput while balancing the loss of precision and recall. The second contribution is a semantic type classification method targeting common words in long noun phrases. We develop a custom set of semantic types to capture word usages; besides biomedical usage, these types also cope with non-biomedical usage and the case of generic, non-informative usage. The third contribution is a fast heuristics method for entity disambiguation in MEDLINE abstracts, again maximizing throughput but this time maintaining accuracy. The fourth contribution is a corpus-driven entity disambiguation method that addresses OOKB entities. The method first captures the entities expressed in a corpus as latent representations that comprise in-KB and OOKB entities alike before performing entity disambiguation. ; Die Erkennung und Disambiguierung von Entitäten für den biomedizinischen Bereich stellen, wegen der vielfältigen Arten von biomedizinischen Entitäten sowie deren oft langen und variantenreichen Namen, große Herausforderungen dar. Vorhergehende Arbeiten konzentrieren sich in zweierlei Hinsicht fast ausschließlich auf molekulare Entitäten. Erstens fokussieren sie sich auf wissenschaftliche Publikationen als Genre der Eingabetexte. Zweitens fokussieren sie sich auf einzelne, sehr spezialisierte Entitätstypen wie Chemikalien, Gene und Proteine. Allerdings bietet das Internet neben diesen Quellen eine Vielzahl an Inhalten biomedizinischen Wissens, das vernachlässigt wird. Um alle verfügbaren Informationen auszunutzen besteht der Bedarf weitere Internet-Inhalte als zusätzliche Quellen zu erschließen. Außerdem ist es auch erforderlich andere Entitätstypen wie Symptome und Risikofaktoren in Betracht zu ziehen, da diese für zahlreiche Inhalte im Internet, wie zum Beispiel Verbraucherinformationen im Gesundheitssektor, relevant sind. Das Ziel dieser Dissertation ist es, Methoden zur Erkennung und Disambiguierung von Entitäten zu erforschen, die alle Entitätstypen in Betracht ziehen und sowohl auf wissenschaftliche Publikationen als auch auf andere Internet-Inhalte anwendbar sind. Darüber hinaus setzen wir Schwerpunkte auf oft vernachlässigte Aspekte der biomedizinischen Erkennung und Disambiguierung von Entitäten, nämlich Skalierbarkeit, lange Nominalphrasen und fehlende Entitäten in einer Wissensbank. In dieser Hinsicht leistet diese Dissertation vier Hauptbeiträge, denen allen das Wissen von UMLS (Unified Medical Language System), der größten und wichtigsten Wissensbank im biomedizinischen Bereich, zu Grunde liegt. Der erste Beitrag ist eine schnelle Methode zur Erkennung von Entitäten mittels Lexikonabgleich, welche den Durchsatz maximiert und gleichzeitig den Verlust in Genauigkeit und Trefferquote (precision and recall) balanciert. Der zweite Beitrag ist eine Methode zur Klassifizierung der semantischen Typen von Nomen, die sich auf gebräuchliche Nomen von langen Nominalphrasen richtet und auf einer selbstentwickelten Sammlung von semantischen Typen beruht, die die Verwendung der Nomen erfasst. Neben biomedizinischen können diese Typen auch nicht-biomedizinische und allgemeine, informationsarme Verwendungen behandeln. Der dritte Beitrag ist eine schnelle Heuristikmethode zur Disambiguierung von Entitäten in MEDLINE Kurzfassungen, welche den Durchsatz maximiert, aber auch die Genauigkeit erhält. Der vierte Beitrag ist eine korpusgetriebene Methode zur Disambiguierung von Entitäten, die speziell fehlende Entitäten in einer Wissensbank behandelt. Die Methode wandelt erst die Entitäten, die in einem Textkorpus ausgedrückt aber nicht notwendigerweise in einer Wissensbank sind, in latente Darstellungen um und führt anschließend die Disambiguierung durch.
|
|
Keyword:
biomedical text mining; Biomedizin; ddc:004; entity disambiguation; entity recognition; Sprachverarbeitung; Wissensbasis
|
|
URL: https://doi.org/10.22028/D291-26790 http://nbn-resolving.org/urn:nbn:de:bsz:291-scidok-69580
|
|
BASE
|
|
Hide details
|
|
88 |
Evaluation of word embedding vector averaging functions for biomedical word sense disambiguation
|
|
|
|
BASE
|
|
Show details
|
|
89 |
Unsupervised, knowledge-free, and interpretable word sense disambiguation
|
|
|
|
In: EMNLP 2017 - Conference on Empirical Methods in Natural Language Processing: System Demonstrations, Proceedings (2017)
|
|
BASE
|
|
Show details
|
|
90 |
Domain-specific Named Entity Disambiguation in Historical Memoirs
|
|
|
|
BASE
|
|
Show details
|
|
91 |
Dalla Word Sense Disambiguation alla sintassi: il problema dell'articolo partitivo in italiano
|
|
|
|
BASE
|
|
Show details
|
|
92 |
Uso de representaciones vectoriales de las palabras para la detección de dobles sentidos (puns)
|
|
|
|
BASE
|
|
Show details
|
|
93 |
Approches d'analyse distributionnelle pour améliorer la désambiguïsation sémantique
|
|
|
|
In: Journées internationales d'Analyse statistique des Données Textuelles (JADT) ; https://hal.archives-ouvertes.fr/hal-01477502 ; Journées internationales d'Analyse statistique des Données Textuelles (JADT), Jun 2016, Nice, France ; https://jadt2016.sciencesconf.org/ (2016)
|
|
BASE
|
|
Show details
|
|
94 |
Ambiguity Diagnosis for Terms in Digital Humanities
|
|
|
|
In: Language Resources and Evaluation Conference ; https://hal.inria.fr/hal-01423650 ; Language Resources and Evaluation Conference, May 2016, Portorož, Slovenia (2016)
|
|
BASE
|
|
Show details
|
|
95 |
СИНТАКСИЧЕСКАЯ МНОГОЗНАЧНОСТЬ И НЕОДНОЗНАЧНОСТЬ В ПЕРСПЕКТИВЕ МАШИННОГО ПЕРЕВОДА
|
|
КОЗЕРЕНКО ЕЛЕНА БОРИСОВНА. - : Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский педагогический государственный университет», 2016
|
|
BASE
|
|
Show details
|
|
96 |
Building Semantic Trees from XML Documents
|
|
|
|
In: ISSN: 1570-8268 ; Journal of Web Semantics ; https://hal-univ-pau.archives-ouvertes.fr/hal-02079156 ; Journal of Web Semantics, Elsevier, 2016, 37-38, pp.1-24. ⟨10.1016/J.WEBSEM.2016.03.002⟩ (2016)
|
|
BASE
|
|
Show details
|
|
97 |
Semantic Interoperability of Multilingual Lexical Resources in Lexical Linked Data ; Interopérabilité Sémantique Multi-lingue des Ressources Lexicales en Données Liées Ouvertes
|
|
|
|
In: https://tel.archives-ouvertes.fr/tel-01681358 ; Informatique et langage [cs.CL]. Université Grenoble Alpes, 2016. Français. ⟨NNT : 2016GREAM067⟩ (2016)
|
|
BASE
|
|
Show details
|
|
98 |
Using Domain Ontologies for Classification and Semantic Interpretation of Documents
|
|
|
|
In: Proceedings of ALLDATA 2016 ; International Workshop on Knowledge Extraction and Semantic Annotation (KESA 2016) in ALLDATA 2016 : 2nd International Conference on Big Data, Small Data, Linked Data and Open Data ; https://hal.archives-ouvertes.fr/hal-01535945 ; International Workshop on Knowledge Extraction and Semantic Annotation (KESA 2016) in ALLDATA 2016 : 2nd International Conference on Big Data, Small Data, Linked Data and Open Data, Feb 2016, Lisbon, Portugal. pp. 76-81 (2016)
|
|
BASE
|
|
Show details
|
|
99 |
Automatic processing of Tunisian dialect: construction of linguistic resources ; TRAITEMENT AUTOMATIQUE DU DIALECTE TUNISIEN : CONSTRUCTION DE RESSOURCES LINGUISTIQUES
|
|
|
|
In: https://hal.archives-ouvertes.fr/tel-02869866 ; Informatique et langage [cs.CL]. Université de Sfax (Tunisie), 2016. Français (2016)
|
|
BASE
|
|
Show details
|
|
100 |
Prosodic disambiguation and attachment height
|
|
|
|
In: Speech Prosody 8 ; https://halshs.archives-ouvertes.fr/halshs-01422841 ; Speech Prosody 8, May 2016, Boston, United States. pp.1176-1180 (2016)
|
|
BASE
|
|
Show details
|
|
Page: 1 2 3 4 5 6 7 8 9... 89
|
|