Roland Seiffert

Text mining: finding nuggets in mountains of textual data

Text mining applies the same analytical functions of data mining to the domain of textual information, relying on sophisticated text analysis techniques that distill information from free-text documents. IBM’s Intelligent Miner for Text provides the necessary tools to unlock the business information that is “trapped” in email, insurance claims, news feeds, or other document repositories. It has been successfully applied in analyzing patent portfolios, customer complaint letters, and even competitors’ Web pages. After defining our notion of “text mining”, we focus on the differences between text and data mining and describe in some more detail the unique technologies that are key to successful text mining.

The TaxGen framework: automating the generation of a taxonomy for a large document collection

Text mining is an active area of research and development, which combines and expands techniques found in related areas like information retrieval, computational linguistics and data mining to perform an analysis of large corpora of digital documents. This paper describes the TaxGen text mining project carried out at the IBM Software Development Lab. at Boeblingen, Germany. The goal of TaxGen was the automatic generation of a taxonomy for a collection of previously unstructured documents, namely a set of 73,000 news wire documents spanning one year.

Unification Grammars: A Unifying Approach

Unification-based grammar formalisms have recently received great interest in computational linguistics, because they allow for a very high-level, declarative description of grammatical relations over linguistic objects. Feature structures are used to encode all kinds of information about any given linguistic object, e.g., certain syntactic properties or semantic content. Grammar rules define the relation between surface strings of a language and the information associated with it. Special purpose theorem provers — parsers and generators — operate on these grammar rules to compute this relation in either direction, from a string to a feature structure or vice versa.

STUF: Ein flexibler Graphunifikationsformalismus und seine Anwendung in LILOG

Unifikationsbasierte Grammatikformalismen spielen eine immer bedeutendere Rolle in neueren Entwicklungen der Computerlinguistik. Die Lexikalisch-Funktionale Grammatik, die Generalisierte Phrasenstrukturgrammatik und die Kategoriale Unifikationsgrammatik sind Beispiele fur linguistische Beschreibungsmodelle, die als gemeinsame Grundlage die Unifikation komplexer Attribut-Wert-Strukturen verwenden. Der S tuttgart T ype U nification F ormalism (STUF) ist ein flexibler Graphunifikationsformalismus, der es dem Linguisten ermoglicht, die Analysen dieser und anderer Theorien zu kodieren und mit dem Computer zu verarbeiten. In diesem Papier sollen wesentliche Teile von STUF vorgestellt werden und die Anwendung fur die im LILOG-Projekt verwendete CUG demonstriert werden.

Einige Erweiterungen disjunktiver Merkmalsbeschreibungen

In der vorliegenden Arbeit werden einige Erweiterungen disjunktiver Merkmalsbeschreibungen diskutiert, die im Rahmen von STUF (Stuttgart Type Unification Formalism) im Projekt LILOG entwickelt wurden. Gegenuber den bisherigen Ansatzen sind dies insbesondere Konzepte zur Behandlung von Termen mit fester und variabler Stelligkeit in einem Formalismus und zur Strukturierung von Wissensbasen durch die Verwendung von Wissensdomanen.