Ontology-driven information extraction

Abstract

Seitdem Berners-Lee Ontologien als das "Rueckgrat des Semantic Web" eingefuehrt hat, hat sich ein ganzes Forschungsgebiet um die fundamentalen Aspekte des Ontology Engineering gebildet, wie zum Beispiel die Erstellung, Evaluierung und das Management von Ontologien. Viele ForscherInnen waren jedoch neugierig was die Verwendbarkeit von Ontologien in 'ueblichen' Informationssystemen angeht, die 'uebliche' Aufgaben zur Informationsverarbeitung durchfuehren. In Informationsextraktionssystemen (IE Systeme), zum Beispiel, koennen Ontologien als Wissensresourcen verwendet werden, welche die Aufgabenstellung und Teile des domaenspezifischen Wissens in einer formalen und unzweideutigen Form darstellt. Im Allgemeinen verwenden IE Systeme verschiedene Wissensressourcen (e.g., Lexika, Parser, etc.) um eine gute Performanz zu erzielen. Manche verlangen auch, dass die Extraktionsregeln, die dann die Aufgabenstellung des Systems repraesentieren, von Menschen erstellt werden. Jedoch sind diese Wissenressourcen nicht immer griffbereit oder die Abhaengigkeit von ihnen fuehrt zu Kompromissen bzgl. der Skalierbarkeit und ?Ubertragbarkeit des Systems. Deshalb haben wir uns gefragt ob Ontologien, die in einer Beschreibungssprache wie z.B. OWL formuliert sind, als einzige Wissenressource des Systems verwendet werden koennen um brauchbare Ergebnisse zu erzielen.<br />In dieser Dissertation fuehren wir eine Extraktionsmethode ein, welche den Inhalt und die vordefinierte Semantik einer Ontologie ausnutzt um eine Extraktion zu ermoeglichen, die keine menschliche Unterstuetzung oder andere Ressourcen benoetigt. Wir analysieren auch die Anforderungen auf Ontologien die in IE Systemen verwendet werden sollen und die Verwendung von ergaenzendem semantischen Wissen um diesen Anforderungen zu entsprechen. Weiteres, fuehren wir unsere Methode zur Ermittlung von out-of-date Konstrukten in der Ontologie ein um den BenutzerInnen letztendlich Vorschlaege bzgl. allfaelliger ?Anderungen in der Ontologie zu machen.

Since Berners-Lee proposed and started to endorse ontologies as the backbone of the Semantic Web in the nineties, a whole research field evolved around the fundamental engineering aspects of ontologies, such as the generation, evaluation and management of ontologies. However, many researchers were curious about the usability of ontologies within Information Systems in 'ordinary' settings, performing 'ordinary' information processing tasks. To be used within Information Extraction Systems (IESs), we consider ontologies as a knowledge source that can represent the task specification and parts of the domain knowledge in a formal and unambiguous way. In general, IESs use several knowledge sources (e.g., lexicons, parsers, etc.) to achieve good performance. Some also require humans to generate the extraction rules that represent the task specification of the system. However, often these resources are not at hand or the dependency on them lead to compromises regarding the scalability and performance of an IES. Therefore, we wondered whether ontologies formulated in a standard ontology representation language, such as OWL, are suitable enough to represent the task specification and also the domain knowledge to some extent, which the IES can utilise as its only knowledge resource. Our aim is to identify the limits of such an approach, so that we can conclude that things can only get better from that point onwards by using other resources whenever available. In this thesis, we propose an extraction method that utilises the content and predefined semantics of an ontology to perform the extraction task without any human intervention and dependency on other knowledge resources. We also analyse the requirements to ontologies when used in IESs and propose the usage of additional semantic knowledge to reconcile them. Further, we propose our method to detect out-of-date constructs in the ontology to suggest changes to the user of the IES. We state the results of our experiments, which we conducted using an ontology from the domain of digital cameras and a document set of digital camera reviews. After performing the experiments with a different task specification using a larger ontology, we conclude that the use of ontologies in conjunction with IESs can indeed yield feasible results and contribute to the better scalability and portability of the system.