pentacast 33: Text information retrieval

Wie schön wäre es, wenn man sich nicht mehr selbst durch die unzähligen, länglichen Harry Potter Bücher quälen müsste, nur um zu wissen, warum auf 4-chan immer diese Witze über die Nase von Lord Voldemort gemacht werden. Diesem Problem könnten in Zukunft die Jungs und Mädels aus der Wissenschaft der Text Information Retrieval abhilfe bringen. Sie probieren dem Computer Prosa-Texte zum Frass vorzuwerfen und aus diesen die Informationen für Computer verwertbar zu extrahieren. Studiogast Hendrik Freund hat sich während eines Praktikums und seiner Diplomarbeit eingehend mit diesem Thema beschäftigt und gibt eine leicht verständliche Einführung in das Themengebiet. Inhalte: WP: Natural Language Processing (NLP) WP: Information Retrieval WP: Stochastik 24C3: Linguistic Hacking: How to know what a text in an unknown language is about? WP: Mehrwortterm WP: Tagger WP: Grammatik WP(EN): Brill Tagger Tree Tagger WP(EN): Chunking WP: Phrase WP: Named entity Word net WP: RDF WP: OWL WP: Michael Ballack WP: DBpedia WP: SPARQL WP: Taxonomie WP: Stemming WP: Lemmatizing Natural Language Toolkit für Python Apache OpenNLP Apache UIMA WP: Hidden Markov Modell WP: Log Likelihood WP: Morphem Porter stemmer Tagger for German Language Dirk Lewandowski: Web Information Retrieval