Text und Text Mining

C. Biemann
G. Heyer
U. Quasthoff

2022, Chapter in: Wissensrohstoff Text – Eine Einführung in das Text Mining: 1-34, 34 p., Springer

DOI: 10.1007/978-3-658-35969-0_1

https://www.mendeley.com/catalogue/6c6f47c9-9cfa-3653-aeb1-e2791436dd00/

@inbook{fc299bc745154aa88eb7a3927140c72e,

title = "Text und Text Mining",

abstract = "Text repr{\"a}sentiert Wissen. Im Unterschied zu den strukturierten Daten in einer Datenbank stellen Texte unstrukturierte Daten dar. Eine wichtige Eigenschaft nat{\"u}rlicher Sprachen ist Redundanz. Im Text Mining werden verschiedene Arten von Redundanz genutzt, um W{\"o}rter oder ganze Texte zu klassifizieren sowie strukturelle oder inhaltliche Zusammenh{\"a}nge zwischen W{\"o}rtern zu ermitteln. Dabei ist zu unterscheiden zwischen der Makro-Sicht auf ein ganzes Textkorpus und der Mikro-Sicht auf einzelne W{\"o}rter. Text Mining verwendet regelbasierte, statistische sowie neuronale Verfahren und erlaubt somit innovative Anwendungen, bei denen sehr gro{\ss}e Mengen an Text sehr schnell und sehr umfangreich ausgewertet werden. F{\"u}r das Text Mining ist es meist erforderlich, die linguistische Struktur von Texten zu ber{\"u}cksichtigen. Die Beschreibung linguistischer Strukturen setzt voraus, dass sich Texte in verschiedene linguistische Ebenen untergliedern lassen. Wichtige Ebenen f{\"u}r das Text Mining sind die Ebenen der Morpheme, der W{\"o}rter, der Phrasen und der S{\"a}tze. Auf allen Ebenen finden sich Mehrdeutigkeiten, sprachstatistische Gesetzm{\"a}{\ss}igkeiten und sprachliche Dynamiken.",

author = "Chris Biemann and Gerhard Heyer and Uwe Quasthoff",

year = "2022",

doi = "10.1007/978-3-658-35969-0_1",

language = "English",

isbn = "978-3-658-35968-3",

pages = "1--34",

booktitle = "Wissensrohstoff Text",

publisher = "Springer",

address = "Germany",

}

Abstract

Text repräsentiert Wissen. Im Unterschied zu den strukturierten Daten in einer Datenbank stellen Texte unstrukturierte Daten dar. Eine wichtige Eigenschaft natürlicher Sprachen ist Redundanz. Im Text Mining werden verschiedene Arten von Redundanz genutzt, um Wörter oder ganze Texte zu klassifizieren sowie strukturelle oder inhaltliche Zusammenhänge zwischen Wörtern zu ermitteln. Dabei ist zu unterscheiden zwischen der Makro-Sicht auf ein ganzes Textkorpus und der Mikro-Sicht auf einzelne Wörter. Text Mining verwendet regelbasierte, statistische sowie neuronale Verfahren und erlaubt somit innovative Anwendungen, bei denen sehr große Mengen an Text sehr schnell und sehr umfangreich ausgewertet werden. Für das Text Mining ist es meist erforderlich, die linguistische Struktur von Texten zu berücksichtigen. Die Beschreibung linguistischer Strukturen setzt voraus, dass sich Texte in verschiedene linguistische Ebenen untergliedern lassen. Wichtige Ebenen für das Text Mining sind die Ebenen der Morpheme, der Wörter, der Phrasen und der Sätze. Auf allen Ebenen finden sich Mehrdeutigkeiten, sprachstatistische Gesetzmäßigkeiten und sprachliche Dynamiken.

External publication metrics are inactive

With the activation, data is transferred to third parties. For more information look at our Privacy statement.