Präsentation. Bachelorarbeit: A keyword translator for Broccoli. Iradj Solouk

Größe: px

Ab Seite anzeigen:

Download "Präsentation. Bachelorarbeit: A keyword translator for Broccoli. Iradj Solouk"

Katja Kranz
vor 5 Jahren
Abrufe

1 Präsentation Bachelorarbeit: A keyword translator for Broccoli Iradj Solouk

2 Übersicht Einleitung Algorithmus Evaluation Verfeinerung 2

3 Übersicht Einleitung Motivation Definition Algorithmus Evaluation Verfeinerung 3

4 Motivation Manuelle Erstellung einer Query Wissen über Suchelemente nötig Klasse Instanz Relation Text Inkrementell Vokabular Benutzerfreundlichkeit 4

5 Definition Systemkomponente im/am UI Benutzer Keyword Translator Input = Benutzereingabe Output = (interne) Query/Query Tree Kommunikation mit Backend Backend 5

6 Definition Interpretation der Benutzereingabe Kontext Natürliche Sprachverarbeitung (Stanford)POS tagging (Princeton)WordNet 6

7 Übersicht Einleitung Algorithmus - Instance As Root - Class As Root Evaluation Verfeinerung 7

8 Instance As Root Beispiele Angela Merkel Spouse Mississippi River Length Angabe der Klasse fehlt Backend 8

9 Instance As Root Vorgehen Eingabe Angela Merkel Spouse Instanzen suchen Relation suchen Prüfen Angela Merkel Angela Merkel Spouse Spouse 9

10 Instance As Root Eigenschaften kein semantisches Abbilden Instance As Root in Class As Root konvertieren Angela Merkel Spouse Person Spouse Angela Merkel 10

11 Class As Root Angabe der Relation kann fehlen - Movie by Stephen Chbosky - Apollo Astronauts Indikator für Relation Football player with a tallness of >1.65 and who was born >1965 and has the forward position 11

12 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch 12

13 Class As Root Finde Subjekt mithilfe von POS tagging Stringmatching Wenn ausreichend Klasse gefunden sonst: Verwendung alternativer Ausdrücke (Hypernyme, Synonyme) Movie by Stephen Chbosky 13

14 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch 14

15 Class As Root Füllwörter werden gefiltert Für jedes übrig gebliebene Eingabewort werden Semantisch verwandte Ausdrücke gesammelt (WordNet) Fiktives Beispiel Tiere welche Mäuse fressen 15

16 Class As Root Tier welche Mäuse fressen Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen 16

17 Class As Root Tier Mäuse fressen Nahrung Verwandt mit Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen Prüfe Stringmatching dieser Ausdrücke mit den Relationen der Wurzelklasse 17

18 Class As Root Tier Mäuse fressen Nahrung Verwandt mit Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen Prüfe Stringmatching dieser Ausdrücke mit den Relationen der Wurzelklasse Merke wahrscheinlichere Relationen Umliegende Worte auf Instanz abbilden 18

19 Class As Root Tiere Mäuse fressen Nahrung Verwandt mit Mäuse Maus Nagetier Fressen Essen Verspeisen Nahrung aufnehmen Prüfe Stringmatching dieser Ausdrücke mit den Relationen der Wurzelklasse Merke wahrscheinlichere Relationen Umliegende Worte auf Instanz abbilden 19

20 Class As Root Tiere Nahrung Mäuse Football player with a tallness of >1.65 and who was born >1965 and has the forward position 20

21 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch Instanzerkennung 21

22 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch Instanzerkennung Inferenz von Relationen 22

23 Class As Root Einstufig Für jede gefundene Instanz: finde eine Relation, welche die Wurzelklasse und die Instanz verbinden Zweistufig Für jede gefundene Instanz: finde ein paar von Relationen, welche die Wurzelklasse und die Instanz miteinander verbinden Apollo Astronauts 23

24 Class As Root Routine Finde Wurzelklasse(n) morphologisch semantisch Konsumieren von Relationen morphologisch & semantisch Instanzerkennung Inferenz von Relationen 24

25 Class As Root Textsuchelement anhängen Eigenschaften Mehrere Übersetzungen semantisches Abbilden 25

26 Übersicht Einleitung Algorithmus Evaluation Aufbau Ergebnis Verfeinerung 26

27 Aufbau SemSearch Benchmark 50 Queries Ground Truth = Manuelle Queries 42 Queries Maß: Ähnlichkeit der Hits Optimal Ausreichend Ungenügend 27

28 Ergebnis 42 Queries Optimal 14 Ausreichend 7 Ungenügend 21 28

29 Ergebnis Positiv übersetzt Apollo Astronauts who walked on the moon Boroughs of New York City Did Nicole Kidman have any siblings? Gods who dwelt on Mount Olypmpus Movies starring Erykah Badu 29

30 Ergebnis Ungenügend übersetzt Axis powers of World War II Branches of the US military Henry II s brothers and sisters Hijackers in the september 11 attacks Houses of the russian parliament 30

31 Übersicht Einleitung Algorithmus Evaluation Verfeinerung Zusammenfassung 31

32 Verfeinerung Natürliche Sprachverarbeitung Subjekt bestimmen Komplexe Queries Compositions composed by someone who had no children Relationen durch semantisches Abbilden bei Instance As Root-Queries finden Henry II s brothers and sisters 32

33 Verfeinerung Ontology Feedback Abstrakte Klasse einstellen Text Suchelement verwenden um auf eigentliche Klasse zu schliessen Wonders of the ancient World 33

34 Vielen Dank für Ihre Aufmerksamkeit 34

Ähnliche Dokumente

Ivana Daskalovska. Willkommen zur Übung Einführung in die Computerlinguistik. Semantik. Sarah Bosch,

Ivana Daskalovska. Willkommen zur Übung Einführung in die Computerlinguistik. Semantik. Sarah Bosch, Ivana Daskalovska Willkommen zur Übung Einführung in die Computerlinguistik Semantik Wiederholung Was ist die Semantik und womit beschäftigt sie sich? 3 Was ist die Semantik und womit beschäftigt sie sich?