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