Vergleich und Einsatz von Active Learning Strategien für Entity Recognition und ein Prozessmodell für Anwendungen des Natural Language Processings

Read full text Summarise with VIRAT
Authors: Daniel Philipp Wunderlich
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

In einer zunehmend digitalisierten Welt spielt die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) eine zentrale Rolle. NLP-Anwendungen ermöglichen es, die wachsende Menge textbasierter Daten automatisiert zu verarbeiten. Die Entwicklung von NLP-Anwendungen wird häufig von interdisziplinären Teams aus Data Scientists, Softwareentwicklern und Domänenexperten durchgeführt. Die vorliegende Arbeit führt das Prozessmodell STAMP 4 NLP ein, das diese Zusammenarbeit unterstützt, indem es Rollen, Aufgaben, Artefakte und Verantwortlichkeiten definiert. Unter anderem wird die Kosten- und Personaleinsatzplanung durch die Festlegung der Abfolge der Aufgaben sowie der dafür erforderlichen Rollen erleichtert. NLP verwendet oft überwachtes Lernen, ein Teilgebiet des maschinellen Lernens, in dem Modelle anhand von Trainingsdaten erstellt und zu Vorhersagen auf Produktivdaten genutzt werden. Dieses Verfahren wird bei der Entitätserkennung (Entity Recognition, ER) eingesetzt, um vordefinierte Entitäten wie Personen, Orte oder Produkte in Texten zu identifizieren. Die Entitäten werden dafür meist manuell in den Trainingsdaten markiert. Dieser Annotationsprozess verursacht für ER einen hohen Aufwand von bis zu mehreren Minuten pro Dokument. Der Hauptteil der vorliegenden Arbeit zielt darauf ab, den Annotationsaufwand für ER zu reduzieren. Dazu wird die bereits bekannte Methode des Active Learning (AL) genutzt, welche gezielt Texte mit hohem erwarteten Informationsgehalt zum Annotieren auswählt. Im Laufe der Jahre wurden zahlreiche AL-Strategien entwickelt, die je nach Einsatzgebiet unterschiedlich leistungsfähig sind. Leider mangelte es bisher an umfassenden Vergleichsstudien zur Bewertung von AL-Strategien im ER-Bereich. In der Dissertation wurde zunächst ein Scoping Review durchgeführt, um einen Überblick über bestehende AL-Strategien, textuelle Datensätze (Korpora) und Evaluationsmethoden zu erlangen. Aufbauend darauf wurden in einer umfangreichen Studie 25 AL-Strategien auf 7 Korpora hinsichtlich der Reduzierung des Annotationsaufwandes verglichen. Hierzu wurde das ALE-Framework entwickelt, das den Annotationsprozess simuliert und eine systematische Bewertung der AL-Strategien ermöglicht. Die Ergebnisse zeigen, dass AL-Strategien den Annotationsaufwand im Vergleich zu einer randomisierten Referenzimplementierung um bis zu 50% reduzieren können. Abschließend wurde die beste Strategie in zwei Anwendungsfällen evaluiert: der Produktextraktion aus E-Mails und der aus Social-Media-Nachrichten. In beiden Szenarien führte der Einsatz der AL-Strategien zu einer Reduktion um 48% bis 55% des Annotationsaufwands.

Fields of Study & Subjects

Topic Modeling Machine Learning and Algorithms Natural Language Processing Techniques

Publication details

Journal / source
Kobra (Universitätsbibliothek Kassel)
Publication date
1 January 2026
Language
DE