Text- und Data-Mining (TDM)

Wachsende Datenmengen und komplexe Informationsbedürfnisse der Nutzer, z. B. im Rahmen von Such- und Rechercheprozessen, stellen Wissenschaftler und Informationsspezialisten 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 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.

• Türker, R.; Zhang, L.; Koutraki, M.; Sack H.
  “The Less Is More” for Text Classification", In Proc. of the 14th Int. Conf. on Semantic Systems (SEMANTICS 2018) P&D Track, CEUR workshop proceedings vol. 2198
• Aras, H.; Türker, R.; Geiss, D.; Milbradt, M.; Sack, H.
  Get Your Hands Dirty: Evaluating Word2Vec Models for Patent Data, In Proc. of the 14th Int. Conf. on Semantic Systems (SEMANTICS 2018), P&D Track, CEUR workshop proceedings vol. 2198.
• Sofean, M.; Aras, H.
  Technological Areas Detection and Clustering for Large-scale of Patent Texts. In Proc. of the International Association for Development of the Information Society (IADIS) of the 3rd International Conference on Big Data Analytics, Data Mining and Computational Intelligence (BigDaCI 2018).
• Sofean M., Aras H., Alrifai A. (2018) A Workflow-Based Large-Scale Patent Mining and Analytics Framework. Information and Software Technologies, In: Damaševičius R., Vasiljevienė G. (eds) Information and Software Technologies. ICIST 2018. Communications in Computer and Information Science, vol 920. Springer, Cham.
• Wu, T.; Zhang, D.; Zhang, L.; Qi, G.
  Cross-Lingual Taxonomy Alignment with Bilingual Knowledge Graph Embeddings
  7th Joint International Semantic Technology Conference (JIST 2017), Cold Coast, QLD, Australia, November 10-12, 2017.
• Zhang, L.; Acosta, M.; Färber, M.; Thoma, S.; Rettinger, A.
  BreXearch: Exploring Brexit Data Using Cross-Lingual and Cross-Media Semantic Search
  16th International Semantic Web Conference, Vienna, Austria, October 21-25, 2017.
• Hackl-Sommer, R.; Schwantner, M.
  Patent Claim Structure Recognition
  in: Archives of Data Science, Series A, 2017, v.  2(1), 15 S.
• 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.