BiographIE - Klassifikation und Extraktion karrierespezifischer Informationen

Das wesentliche Ziel der vorliegenden Publikation ist die Erstellung von sprachspezifischen Modulen im Bereich der Biographischen InformationsExtraktion (BiographIE). Unter Informationsextraktion verstehen wir die automatisierte Analyse von Dokumenten im Hinblick auf das Entdecken und Normalisieren von semantisch interessanten Entitäten und deren Eigenschaften. Das Hauptgewicht der Arbeit liegt auf sehr detaillierten und umfangreichen linguistischen Grammatiken im Bereich der Beschreibung von Personen und deren Beziehungen zu anderen relevanten Entitäten (z.B. Organisationen, Orte, Datums- und Zeitangaben) in Texten. Neben den öffentlichen und privaten Eigenschaften von Personen (Geburtsdatum, Nationalität etc.) sollen vor allem alle biographisch relevanten Attribute aus Texten extrahiert werden können. Dazu gehören in erster Linie berufliche Werdegänge, Anstellungsverhältnisse, Rollen in Firmen und ähnliche Eigenschaften. Da alle diese Attribute in unzählbar verschiedenen Formen ausgedrückt werden können, müssen sehr umfangreiche Lexika und sehr detaillierte grammatische Beschreibungen erstellt werden. Dies geschieht hauptsächlich bei der systematischen Evaluierung von Korpora. Je umfangreicher diese sind, desto adäquater werden die erstellten Grammatiken sein. Im Gegensatz zu den heute üblichen statistischen, auf maschinellem Lernen basierenden Verfahren setzen wir auch umfangreiche semi-automatisch erstellte, linguistische Module ein, die dann durch systematische Evaluierung auf Korpora schnell ergänzt und verbessert werden können. Basierend auf unseren Extraktionsmethoden ist es nun möglich, im Bereich der semantischen Suche deutliche Fortschritte zu machen. Insbesondere Personensuchmaschinen können sich unsere detaillierten Analysemethoden zu Nutze machen, um beispielsweise zu ermitteln, wer in welcher Funktion bei welcher Firma von wann bis wann beschäftigt war.