Text- und Data-Mining (TDM)

Wachsende Datenmengen und komplexe Informationsbedürfnisse der Nutzerinnen und Nutzer, z. B. im Rahmen von Such- und Rechercheprozessen, stellen Wissenschaftler/innen und Informationsspezialist/innen vor große Herausforderungen. Diese erfordern neue Konzepte und effiziente Methoden, u. a. des Text- und Data-Minings (TDM), welche z. B. zur Analyse und Abfrage von Wissen im Rahmen spezieller Fragestellungen der Patentsuche und -analyse eingesetzt werden können. Wir forschen deshalb zu speziellen Verfahren des maschinellen Lernens, der verteilten Datenprozessierung zur Abfrage und Analyse großer Datenmengen (Big Data Analytics) und der semantischen Erschließung der Patentvolltexte, z. B. mit Hilfe von Wissen aus Ontologien und Linked Open Data (LOD).

Patent Mining und Semantic Enrichment

Um qualitativ hochwertige Analyseergebnisse aus Patentdaten zu erzielen, ist die erweiterte inhaltliche Strukturierung der Patentvolltexte unabdingbar. Hier liegt einer unserer Arbeitsschwerpunkte. Ein weiterer Schwerpunkt ist die inhaltliche Erschließung der Claims und der Detailed Description eines Patentdokuments mittels maschineller Lernverfahren. Neben der Möglichkeit, Suchanfragen deutlich präziser zu formulieren, unterstützen solche Ansätze bei der Verbesserung und Entwicklung von erweiterten Methoden zur automatischen Extraktion von domänenspezifischen Entitäten und Terminologien.

Die maschinelle Erschließung von Textdokumenten erfordert darüber hinaus die semantische Repräsentation essenzieller Bestandteile der Dokumenteninhalte, z. B. gemäß den Standards RDF/OWL. Dies betrifft sowohl die Repräsentation der Metadaten als auch die Abbildung relevanter, automatisch extrahierter Entitäten und Relationen einer Domäne. Die semantische Erschließung der Informationen ermöglicht zusätzlich die interoperable Verlinkung mit externen Quellen, z. B. aus der Linked Open Data Cloud, oder die Integration und Nutzung spezialisierter Wissensbasen, z. B. bio-chemische Information aus ChEMBL, im Rahmen von Analyseprozessen.

Semantic Search und Knowledge Graphs

Neben etablierten Ansätzen zur Informationssuche im Rahmen der Patentrecherche über Boole‘sche Logik beschäftigen wir uns mit erweiterten und komplexen Anfragemöglichkeiten über einen entitätenzentrierten oder wissensbasierten Ansatz. Ziel ist die Erforschung von unterschiedlichen Formen der semantischen Suche unter Einsatz von Wissensgraphen (Knowledge Graphs). Dafür  können domänenspezifische Ontologien genutzt und relevante Entitäten und deren Relationen zunehmend automatisch bspw. mittels Verfahren des Deep Learning (DL) identifiziert, extrahiert und disambiguiert werden.

Big Data Analytics

Die stetig und mit hoher Dynamik wachsende Menge an wissenschaftlich-technischen Informationen erfordert neuartige und skalierbare Methoden zur Abfrage, Analyse und Visualisierung. Wir erforschen und entwickeln dafür spezifische Lösungen zur Analyse von großen Patentkorpora, um komplexe Fragestellungen z. B. aus dem Fachgebiet der Life-Sciences beantworten zu können. Zusammen mit neuen Methoden des TDM ist unser Ziel, Wissen aus großen Datenmengen, z. B. Technologietrends, zu identifizieren.

2020

• Türker, Rima; Zhang, Lei; Alam, Mehwish; Sack, Harald Weakly Supervised Short Text Categorization Using World Knowledge In: The Semantic Web – ISWC 2020. 19th International Semantic Web Conference, Athens, Greece, November 2–6, 2020, Proceedings, Part I / Pan, Jeff Z.; Tamma, Valentina; d’Amato, Claudia et al. (Hrsg.); Cham: Springer, 2020; 730 S.; ISBN 978-3-030-62418-7; Lecture Notes in Computer Science 12506, S. 584-600. DOI: 10.1007/978-3-030-62419-4_33
• Saad F., Aras H., Hackl-Sommer R. (2020) Improving Named Entity Recognition for Biomedical and Patent Data Using Bi-LSTM Deep Neural Network Models. In: Métais E., Meziane F., Horacek H., Cimiano P. (eds) Natural Language Processing and Information Systems. NLDB 2020. Lecture Notes in Computer Science, vol 12089. Springer, Cham. https://doi.org/10.1007/978-3-030-51310-8_3

2019

• Andersson, Linda [Hrsg.]; Aras, Hidir [Hrsg.];Piroi, Florina [Hrsg.];Hanbury, Allan [Hrsg.] Proceedings of the 1st Workshop on on Patent Text Mining and Semantic Technologies: PatentSemTech2019, Karlsruhe, Germany 2019. https://doi.org/10.34726/pst2019.
• Saad, Farag; Hackl-Sommer, René. Building a Semantic Model for Linking and Visualizing Patent Citations (SeMViPaC). In: iiWAS2019: Proceedings of the 21st International Conference on Information Integration and Web-based Applications & Services. Munich, Germany, December 2019 / Indrawan-Santiago, Maria; Pardede, Eric; Salvadori, Ivan Luiz et al. (Hrsg.); acm Association for Computing Machinery, 2020; 709 S. ISBN 978-1-4503-7179-7; S. 645–648. DOI: 10.1145/3366030.3366110
• Saad, Farag. Named Entity Recognition for Biomedical Patent Text using Bi-LSTM Variants. In: iiWAS2019: Proceedings of the 21st International Conference on Information Integration and Web-based Applications & Services. Munich, Germany, December 2019 / Indrawan-Santiago, Maria; Pardede, Eric; Salvadori, Ivan Luiz et al. (Hrsg.); acm Association for Computing Machinery, 2020; 709 S. ISBN 978-1-4503-7179-7; S. 617–621, DOI: 10.1145/3366030.3366104
• Sofean, Mustafa; Aras, Hidir; Alrifai, Ahmad. Analyzing Trending Technological Areas of Patents. In: Database and Expert Systems Applications. DEXA 2019 International Workshops BIOKDD, IWCFS, MLKgraphs and TIR, Linz, Austria, August 26–29, 2019, Proceedings / Anderst-Kotsis, Gabriele; Toja, A Min; Khlil, Ismail; Elloumi, Mourad et al. (Hrsg.); Cham: Springer, 2019; 237 S.; ISBN978-3-030-27683-6; Communications in Computer and Information Science, vol 1062, S. 141-146. DOI: 10.1007/978-3-030-27684-3_18
• Zhang, Lei; Wu, Tianxing; Xu, Liang; Wang, Meng; Qi, Guilin; Sack, Harald. Emerging Entity Discovery Using Web Sources. In: Knowledge Graph and Semantic Computing: Knowledge Computing and Language Understanding. 4th China Conference, CCKS 2019, Hangzhou, China, August 24–27, 2019, Revised Selected Papers / Zhu X., Qin B., Zhu X., Liu M., Qian L. (Hrsg.);  Singapur: Springer 2019; 225 S.; ISBN 978-981-15-1955-0; Communications in Computer and Information Science Vol 1134; S. 175-184. DOI: https://doi.org/10.1007/978-981-15-1956-7_16
• Aras, Hidir. Analyse von Patentdaten mittels Workflows und Big-Data-Technologien. Information – Wissenschaft & Praxis, Mai 2019; Vol. 70(2-3), S. 127–133; DOI: https://doi.org/10.1515/iwp-2019-2001
• Türker, Rima; Zhang, Lei; Koutraki, Maria; Sack, Harald. Knowledge Based Short Text Categorization Using Entity and Category Embeddings. In: The Semantic Web, 16th International Conference, ESWC 2019, Portorož, Slovenia, June 2–6, 2019. Proceedings / Pascal Hitzler; Miriam Fernández; Krzysztof Janowicz; Amrapali Zaveri; Alasdair J.G. Gray; Vanessa Lopez; Armin Haller; Karl Hammar (Hrsg.); Cham: Springer 2019; 622 S.; ISBN 978-3-030-21347-3; Lecture Notes in Computer Science Vol. 11503, S. 346-362. DOI: https://doi.org/10.1007/978-3-030-21348-0_23

2018

• Türker, Rima; Zhang, Lei; Koutraki, Maria; Sack, Harald. TECNE: Knowledge Based Text Classification Using Network Embeddings. In: Proceedings of the EKAW 2018 Posters and Demonstrations Session, co-located with 21st International Conference on Knowledge Engineering and Knowledge Management (EKAW 2018), Nancy, France, November 12-16, 2018 / Cimiano, Philipp; Corby, Olivier (eds.). Published on CEUR-WS.org: 03-Dec-2018; CEUR workshop proceedings Vol. 2262; S. 53-56, http://ceur-ws.org/Vol-2262/ekaw-demo-18.pdf
• Türker, Rima; Zhang, Lei; Koutraki, Maria; Sack, Harald. “The Less Is More” for Text Classification. In: Proceedings of the Posters and Demos Track of the 14th International Conference on Semantic Systems, co-located with the 14th International Conference on Semantic Systems (SEMANTiCS 2018), Vienna, Austria, September 10-13, 2018 / Khalili, Ali; Koutraki, Maria (eds.). Published on CEUR-WS.org: 05-Sept-2018; CEUR workshop proceedings Vol. 2198, http://ceur-ws.org/Vol-2198/paper_122.pdf
• Sofean, Mustafa; Aras, Hidir. Technological areas detection and clustering for large-scale of patent texts. In: The International Conference on Big Data Analytics, Data Mining and Computational Interlligence 2018 (BigDaCI), July 17-20, 2018, Madrid, Spanien; iadis digital library.
• Sofean, Mustafa; Aras, Hidir; Alrifai, Ahmad. A Workflow-based Large-Scale Patent Mining and Analytics Framework. In: Information and Software Technologies. 24th International Conference, ICIST 2018, Vilnius, Lithuania, October 4-6, 2018. Damasevicius, Robertas; Vasiljeviene, Giedre (Hrsg.); Cham: Springer 2018; 615 S.; ISBN 978-3-319-99972-2; S. 210-223. https://link.springer.com/chapter/10.1007/978-3-319-99972-2_17
• Aras, Hidir; Türker, Rima; Geiss, Dieter; Milbradt, Max; Sack, Harald. Get Your Hands Dirty: Evaluating Word2Vec Models for Patent Data. In: Proceedings of the Posters and Demos Track of the 14th International Conference on Semantic Systems, co-located with the 14th International Conference on Semantic Systems (SEMANTICS 2018), Vienna, Austria, September 10-13, 2018 / Khalili, Ali; Koutraki, Maria (eds.). Published on CEUR-WS.org: 05-Sept-2018; CEUR workshop proceedings Vol. 2198, http://ceur-ws.org/Vol-2198/paper_123.pdf

2017

• Sofean, Mustafa. Automatic Segmentation of Big Data of Patent Texts. In: Big Data Analytics and Knowledge Discovery: 19th International Conference, DaWaK 2017, Lyon, France, August 28–31, 2017, Proceedings / Bellatreche, Ladjel, Chakravarthy, Sharma (Hrsg.); Cham: Springer International Publishing, 2017; 502 S.; ISBN 978-3-319-64282-6; Lecture Notes in Computer Science 10440, S. 343-351. DOI: https://doi.org/10.1007/978-3-319-64283-3_25
• Zhang, Lei; Acosta, Maribel; Färber, Michael; Thoma, Steffen; Rettinger, Achim. BreXearch: Exploring Brexit Data Using Cross-Lingual and Cross-Media Semantic Search. In: ISWC 2017 Posters and Demonstrations and Industry Tracks. Proceedings of the ISWC 2017. 16th International Semantic Web Conference, Vienna, Austria, October 21-25, 2017, / Nikitina, Nadeschda; Song, Dezhao; Fokoue, Achille; Haase, Peter. (Hrsg.); Published on CEUR-WS.org: 22-Oct-2017; CEUR Workshop Proceedings Vol. 1963.
• Wu, Tianxing; Zhang, Du; Zhang, Lei; Qi, Guilin. Cross-Lingual Taxonomy Alignment with Bilingual Knowledge Graph Embeddings. In: Semantic Technology. 7th Joint International Conference, JIST 2017, Cold Coast, QLD, Australia, November 10-12, 2017. Proceedings, Wang, Zhe, Turhan, Anni-Yasmin; Wang, Kewen; Zhang, Xiaowang (Hrsg.) Cham: Springer International Publishing, 2017; 365 S.; ISBN 978-3-319-70681-8; Lecture Notes in Computer Science 10675, S. 251-258. DOI: 10.1007/978-3-319-70682-5 http://www.springer.com/de/book/9783319706818
• Wu, Tianxing; Gao, Cong; Qi, Guilin; Zhang, Lei; Dong, Chuanqi; Liu, He; Zhang, Du. KG-Buddhism: The Chinese Knowledge Graph on Buddhism. In: Semantic Technology. 7th Joint International Conference, JIST 2017, Cold Coast, QLD, Australia, November 10-12, 2017. Proceedings, Wang, Zhe, Turhan, Anni-Yasmin; Wang, Kewen; Zhang, Xiaowang (Hrsg.) Cham: Springer International Publishing, 2017; 365 S.; ISBN 978-3-319-70681-8; Lecture Notes in Computer Science 10675, S. 259-267. DOI: 10.1007/978-3-319-70682-5 http://www.springer.com/de/book/9783319706818
• Hackl-Sommer, René; Schwantner, Michael. Patent Claim Structure Recognition. Archives of Data Science, Series A, 2017, v.  2(1), 15 S. http://www.archivesofdatascience.org/journals/series_a/publications. DOI: 10.5445/KSP/1000058749/17

 - 2016

• Sofean, M.
  Automatic Segmentation of Big Data of Patent Texts
  in: Proceedings of the International Conference on Big Data Analytics and Knowledge Discovery. DaWaK 2017. Springer  pp 343-351.
• Aras, H.; Hackl-Sommer, R.; Schwantner, M.; Sofean, M.
  Applications and Challenges of Text Mining with Patents. IPaMin@KONVENS (2014).
• Saad, F.; Nürnberger, A.
  Overview of prior-art cross-lingual information retrieval approaches
  in: World Patent Information Journal, Volume 34, Issue 4, 304-314 2012.
• Hackl-Sommer, R.
  Transparentes Ranking und Relevanz-Feedback im Patentretrieval
  Dissertation. University of Hildesheim. FIZ-KA-2010. Fachinformationszentrum Karlsruhe, 2010.
• Hackl-Sommer, R.; Mandl, T.; Womser-Hacker, C.
  Ad-Hoc mono-and bilingual retrieval experiments at the University of Hildesheim
  in: Workshop of the Cross-Language Evaluation Forum for European Languages. Springer, Berlin, Heidelberg, 2005.

• FIZ Special Corona: Applying Semantic Technologies for Knowledge Discovery from Patents – a case study for the COVID-19 pandemic