Der seit Beginn des 21. Jahrhunderts einsetzende Trend der Individuumsorientierung hält als gesellschaftliche Strömung auch Einzug in den ökonomischen Sektor. Der Bedarf an individuellen Diensten und Produkten, die an die persönlichen Bedürfnisse und Interessen des Kunden angepasst sind, wächst. Die Philosophie ”Der Kunde ist König” ist nicht mehr nur alleine in der ”alten Ökonomie” eine grundlegende Voraussetzung für wirtschaftlichen Erfolg. Besonders seit der Entdeckung des Internets und seiner Möglichkeiten durch Betriebe und Unternehmen entwickelt sich ein Kampf um den Kunden. Dieser ist nämlich in der Lage, von einer Sekunde zur nächsten einen anderen Online-Dienst zu nutzen. Um den Kunden zu halten, muss ein Mehr-Wert generiert werden, so dass sich dieser wohl und verstanden fühlt und gerne wieder zurückkehrt. Die Anpassung von Informationen, Werbung und Angeboten an die persönlichen Interessen des Kunden fördert dieses Gefühl. Doch dazu müssen dessen Interessen erst einmal bekannt sein. Effektive Methoden zur Profilgenerierung sind gefragt. Dabei sollen die gesammelten Daten nicht nur umfangreich und korrekt sein, sondern der Kunde soll während dieses Prozesses auch möglichst wenig zeitlich involviert bzw. belastet werden.
Um beide Anforderungen zu erfüllen, kommen Dialogsysteme zum Einsatz, an die bzgl. Komplexität und Performanz abhängig vom Einsatzgebiet verschiedene Ansprüche gestellt werden. Von einfachen, zustandsbasierten Systemen bis zu Agenten, die für die Dialogführung auf Techniken der künstlichen Intelligenz (KI) zurückgreifen, unterliegt das komplette Spektrum dieser Verfahren intensiven Forschungsbemühungen, die von industrieller Seite interessiert beobachtet und begrüßt werden. Jedoch stellt sich bei den meisten technischen Verfahren, die im Dialog mit dem Menschen agieren sollen, das Problem, natürliche Sprache zu verarbeiten oder sogar zu verstehen. Neben der Tatsache, dass die Verarbeitung natürlicher Sprache ein Teilgebiet der KI ist, stellt darin der Problemkreis der Disambiguierung, d.h. das Auflösen von Mehrdeutigkeiten, die größten Schwierigkeiten für einen umfangreichen Einsatz sprachverarbeitender Systeme in der Praxis dar, wie beispielsweise in den Bereichen information retrieval oder machine translation.
Inhaltsverzeichnis
1 Einführung
1.1 Motivation
1.2 Aufgabenstellung und Abgrenzung
1.3 Aufbau der Arbeit
2 Bestehende Ansätze, Verfahren und Systeme
2.1 Profilerhebung
2.1.1 Implizite Verfahren
2.1.2 Explizite Verfahren
2.1.3 Erweiterte Ansätze
2.1.4 Zusammenfassung und Diskussion
2.2 Dialogsysteme
2.2.1 Kategorisierung
2.2.2 Typische Systemkomponenten
2.2.3 Zusammenfassung und Diskussion
2.3 Disambiguierung
2.3.1 Ambiguität
2.3.2 Disambiguierung von Wortbedeutungen - ein Überblick
2.3.3 Einsatzgebiete von Disambiguierungsverfahren
2.3.4 Kategorisierung
2.3.5 Stochastische Verfahren
2.3.6 KI-basierte, nicht-stochastische Verfahren
2.3.7 Hybridverfahren
2.3.8 Evaluierung
3 Ausgangssituation
3.1 Darstellung des Profilerhebungssystems
3.1.1 Konzeptbeschreibung
3.1.2 Aufbau und Struktur des Benutzerprofils
3.2 Architektur des Profilerhebungssystems
3.2.1 Language Analysis
3.2.2 Profile Manager
3.2.3 Target Group Matching
3.2.4 Dialog Manager
3.3 GermaNet
3.3.1 Architektur
3.3.2 Relationen
3.3.3 Einsatzmöglichkeit
3.4 Ablauf/Kontrollfluss
3.5 Zusammenfassung und Diskussion
4 Anforderungsanalyse
4.1 Funktionale Anforderungen
4.2 Nicht-funktionale Anforderungen
5 Entwicklung der Disambiguierungskomponente
5.1 Betrachtung und Auswahl bestehender Ansätze
5.1.1 Situationsspezifische Betrachtung
5.1.2 Semantische Verwandtschaft/Ähnlichkeit - Begriffe
5.1.3 Semantische Verwandtschaft/Ähnlichkeit - Verfahren
5.1.4 Semantische Verwandtschaft/Ähnlichkeit - Bewertung
5.1.5 Auswahl und Einordnung des Verfahrens
5.2 Algorithmus zur Disambiguierung
5.2.1 Vorausgehende Überlegungen
5.2.2 Beschreibung des Algorithmus
5.3 Systemdesign
5.4 Implementierung
5.4.1 Konfiguration
5.4.2 Packages und Klassen
5.4.3 Methoden
5.4.4 Datenmodelle
5.5 Evaluierung
5.6 Zusammenfassung und Diskussion
6 Zusammenfassung und Ausblick
Zielsetzung & Themen
Die Arbeit verfolgt das Ziel, für ein bestehendes Profilerhebungssystem ein Verfahren zur Disambiguierung (Auflösung von Mehrdeutigkeiten) von natürlichsprachlichen Kundeneingaben zu entwickeln und in das Dialogmanagement zu integrieren, um die Qualität und Genauigkeit der generierten Benutzerprofile zu erhöhen.
- Grundlagen der Profilerhebung und Dialogführung
- Methoden und Ansätze zur Disambiguierung von Wortbedeutungen
- Analyse und Architektur des existierenden Profilerhebungssystems
- Einsatz des lexikalisch-semantischen Wortnetzes GermaNet
- Entwurf und Implementierung einer WSD-Komponente (Word Sense Disambiguation)
Auszug aus dem Buch
2.3.1 Ambiguität
Ambiguität ist ein mehrschichtiges Problem [43] und zieht sich durch verschiedene Ebenen des Verarbeitungsprozesses von Text und (natürlicher) Sprache. Grob kann man dabei drei Bereiche von Ambiguität unterscheiden:
1. syntaktische Ambiguität
2. pragmatische Ambiguität
3. semantische Ambiguität
ad 1.)
Die Unerwünschtheit von Mehrdeutigkeiten syntaktischer Beschreibungsmechanismen, wie z.B. Grammatiken oder sogar inhärent mehrdeutiger Sprachen ist bereits aus den Informatikbereichen ’formale Sprachen’ und ’Compilerbau’ bekannt. Aber auch Sätze in natürlichen Sprachen lassen sich ggf. mehrfach analysieren (parsen) und damit deuten. Um die richtige Variante auszuwählen sind im Fall gesprochener Sprache der Sprechakt [33] (d.h. die Sprechhandlung inkl. Mimik, Gestik, usw.) und die Absicht des Sprechers ausschlaggebend. Im Fall geschriebener Sprache ist weder für einen Computer noch für einen Menschen zwangsläufig klar, welche Deutung die richtige ist, selbst wenn Kontext vorhanden wäre (d.h. ein Satz eingebettet in einen Textabschnitt). Beispiel 2.1 vermittelt eine Vorstellung dieser Situation.
Zusammenfassung der Kapitel
1 Einführung: Das Kapitel führt in den Kontext des Sonderforschungsbereichs 582 und die Motivation ein, Kundenprofile durch einen natürlichsprachlichen, adaptiven Dialog effizient und individuell zu erstellen.
2 Bestehende Ansätze, Verfahren und Systeme: Dieses Kapitel gibt einen Überblick über Methoden der Profilerhebung, verschiedene Typen von Dialogsystemen und den Problemkreis der Disambiguierung von Mehrdeutigkeiten.
3 Ausgangssituation: Es wird das bestehende Profilerhebungssystem im Detail beschrieben, seine Architektur erläutert und die Rolle von GermaNet als lexikalisch-semantische Wissensressource dargelegt.
4 Anforderungsanalyse: Hier werden die funktionalen und nicht-funktionalen Anforderungen an das zu entwickelnde WSD-Verfahren spezifiziert, insbesondere die Integration in das bestehende System ohne externe Ressourcen.
5 Entwicklung der Disambiguierungskomponente: Dieses Hauptkapitel behandelt die Auswahl bestehender Ansätze, den Entwurf des WSD-Algorithmus unter Verwendung von GermaNet, das Systemdesign sowie die Implementierung und Evaluierung des Moduls.
6 Zusammenfassung und Ausblick: Die Arbeit schließt mit einer Zusammenfassung der Ergebnisse und einem Ausblick auf mögliche Optimierungen sowie zukünftige Entwicklungen im Bereich der automatischen Wortbedeutungs-Disambiguierung.
Schlüsselwörter
Dialogsystem, Profilerhebung, Disambiguierung, WSD, GermaNet, Benutzerprofil, natürlichsprachlicher Dialog, semantische Ähnlichkeit, Wortbedeutung, Hybridverfahren, Information Content, Bayes-Klassifikator, Knowledge Acquisition, Information Retrieval, Natural Language Processing.
Häufig gestellte Fragen
Worum geht es in dieser Diplomarbeit grundsätzlich?
Die Arbeit befasst sich mit der Weiterentwicklung eines Dialog Managers für ein Profilerhebungssystem, wobei der Schwerpunkt auf der automatischen Auflösung von sprachlichen Mehrdeutigkeiten (Disambiguierung) bei Kundeneingaben liegt.
Was sind die zentralen Themenfelder der Untersuchung?
Die zentralen Themen sind Profilerhebung bei Kunden, Typologien von Dialogsystemen und verschiedene wissenschaftliche Verfahren zur Disambiguierung von Wortbedeutungen (WSD).
Welches Ziel verfolgt die Arbeit primär?
Das primäre Ziel ist die Entwicklung und Implementierung einer effizienten Strategie zur Disambiguierung, um die Qualität der in Kundenprofilen gespeicherten Informationen durch eine genauere Zuordnung von Wortbedeutungen zu steigern.
Welche wissenschaftliche Methode wird zur Disambiguierung verwendet?
Die Arbeit kombiniert als Hybrid-Ansatz statistische Methoden zur Bestimmung semantischer Ähnlichkeit (wie den Jiang & Conrath-Algorithmus) mit wissensbasierten Ansätzen, die auf dem lexikalisch-semantischen Wortnetz GermaNet basieren.
Was wird im Hauptteil der Arbeit detailliert behandelt?
Der Hauptteil analysiert die bestehende Systemarchitektur, definiert die funktionalen Anforderungen, begründet die Wahl der Algorithmen (modLesk und modJcn) und beschreibt deren Implementierung innerhalb des bestehenden Software-Frameworks.
Welche Schlüsselwörter charakterisieren diese Arbeit?
Die Arbeit wird durch Begriffe wie Dialogsysteme, Profilerhebung, WSD (Word Sense Disambiguation), GermaNet, semantische Ähnlichkeit und Natural Language Processing charakterisiert.
Warum ist das Projekt SFB582 relevant für diese Arbeit?
Das Projekt SFB582 bildet den praktischen Rahmen; die Arbeit integriert sich als spezifisches WSD-Modul in das dort entwickelte System zur Erstellung individualisierter Kundenprofile.
Warum spielt das Wortnetz GermaNet eine so zentrale Rolle?
GermaNet dient als lexikalisch-semantische Wissensbasis, die es ermöglicht, die Bedeutung von Wörtern in Hierarchien einzuordnen und semantische Beziehungen zwischen Begriffen rechnergestützt auszuwerten, was für die Disambiguierung unerlässlich ist.
- Quote paper
- Thorsten Eiseler (Author), 2005, Weiterentwicklung eines Dialog Managers für ein Profilerhebungssystem: Auflösung von Mehrdeutigkeiten im benutzeradaptiven, natürlich-sprachlichen Dialog mit dem Kunden, Munich, GRIN Verlag, https://www.grin.com/document/48491
