Das vorliegende Papier fasst eine Studie zusammen, die darauf abzielte, Techniken aus dem Forschungsgebiet der künstlichen Intelligenz bei der Auflösung phorischer (kataphorischer und anaphorischer) Pronominaladverbien einzusetzen. Nach der Erstellung eines Datensatzes, der durch die Annotation von Textdaten mit dem Annotationstool InCeption entstand, gelang es uns, einen Klassifikationsalgorithmus namens Multi-Layer-Perzeptron-Classifier (MLP-Classifier) mit Scikit-learn, einer Softwarebibliothek für maschinelles Lernen in der Programmiersprache Python, zu trainieren, wobei wir letztendlich eine Präzision von etwa 90% erreichten.
Inhaltsverzeichnis
Zusammenfassung
Einleitung
1. Künstliche Intelligenz (KI): Intelligenzverleihung oder selbständiges Denken von Maschinen?
2. Maschinenlernen (ML)
3. Datascience: Textannotation und Datensatzaufbau
3.1. Textannotation über InCeption und Export des Datensatzes
4. Anwendung von SciKit Learn beim Aufbau vom PPAR
4.1. Aufbau des PPAR
Schlussbetrachtung und Ausblicke
Zielsetzung und Themen
Die Arbeit untersucht, wie sich phorische Pronominaladverbien und ihre Bezugseinheiten mithilfe maschinellen Lernens automatisch erkennen, klassifizieren und verknüpfen lassen. Dazu entwickelt sie ein auf einem künstlichen neuronalen Netzwerk beruhendes System und beschreibt die Erstellung und Verarbeitung der benötigten Textdaten.
- Grundlagen künstlicher Intelligenz und maschinellen Lernens
- Anaphorische, kataphorische und deiktische Funktionen
- Aufbau eines Textkorpus und manuelle Annotation
- Export und Aufbereitung eines Trainingsdatensatzes
- Entwicklung und Erprobung des Systems PPAR
Auszug aus dem Buch
Datascience: Textannotation und Datensatzaufbau
Wie im vorherigen Abschnitt festgestellt, lässt sich kein maschinell lernendes System einrichten, ohne zuvor auf einer großen Menge an Daten trainiert zu werden. Je nach angestrebtem System bezieht sich der Begriff Daten auf Angaben unterschiedlicher Natur (Zahlen, Bilder, Texte etc.) und verschiedener Komplexitätsgrade. Da in der heutigen Gesellschaft ständig eine Vielzahl unterschiedlicher Daten produziert wird – insbesondere über das Internet und soziale Netzwerke – benötigt man unbedingt Experten, um diese Datenvorräte sprechen zu lassen beziehungsweise daraus erkennbare Muster zu identifizieren, welche Muster letztendlich bei der Lösung gegebener Probleme von besonderer Relevanz sind. In dieser Hinsicht ist eine neue Forschungsdisziplin namens Data Science (Datenwissenschaft) entstanden, die laut Kelleher, J. und Tierney, B. (2018) ein interdisziplinäres Wissenschaftsfeld bezeichnet, das wissenschaftlich fundierte Methoden, Prozesse, Algorithmen und Systeme zur Extraktion von Erkenntnissen, Mustern und Schlüssen sowohl aus strukturierten als auch unstrukturierten Daten ermöglicht (Kelleher, J. & Tierney, B. 2018: 55).
So gesehen besteht die Hauptaufgabe eines Data Scientists darin, Daten aus der realen Welt digital zu erfassen, zu analysieren und daraus Regelmäßigkeiten abzuleiten, wobei diese Erkenntnisse dann für weitere Aufgabenstellungen bereitgestellt werden (Vasant Dhar 2013). In dieser Hinsicht wird man beim Aufbau eines maschinell lernenden Systems zur Automatisierung des Auflösungsverfahrens phorischer Pronominaladverbien auch etwas Data Science (siehe Abbildung 1) betreiben. Dies liegt daran, dass die Realisierung eines solchen Systems nicht nur die Verfügbarkeit ausreichender Textquellen (Erfassung großer Textdatenbanken) voraussetzt, sondern auch die Fähigkeit, ein für solche Angelegenheiten geeignetes Annotationstool zu verwenden, um in einem konstituierten Textkorpus textlinguistische (anaphorische, kataphorische, deiktische) Relationen digital zu erfassen und anschließend die neu erstellten Angaben in einem zum Trainieren eines Modells passenden Format zu exportieren. So gesehen kann man zwischen zwei Aufgabentypen unterscheiden: Zum einen den Aufbau des Textkorpus und zum anderen den Aufbau des Datensatzes.
Für den Aufbau des Textkorpus im Rahmen dieser Studie haben wir uns 550 Textabschnitte aus dem DeReKo (Deutsches Referenzkorpus) entnommen. Und für den Aufbau des Datensatzes haben wir das Annotationstool namens InCeption gebraucht, um die im Textkorpus vorhandenen PPA-Erscheinungen zusammen mit ihren jeweiligen Bezugspunkten erstmal manuell zu verknüpfen. Und sobald dies gemacht wurde, haben wir dann das annotierte Textkorpus (Datensatz) in einem TSV -Format exportiert. Und nach einigen technischen Vorarbeiten über eine Texteditoranwendung gelang es uns den Datensatz als Dataframe in SciKit-Learn hochzuladen, wobei in Anschluss daran den Schulalgorithmus, namens Multi-Layer-Perceptron-classifier (MLP-Classifier) geschult wurde. Im folgenden Abschnitt erfahren wir mehr darüber aber zuerst ein paar Bilder übers Annotationsverfahren.
Zusammenfassung der Kapitel
Zusammenfassung: Der einleitende Überblick stellt die Zielsetzung, die Annotation der Textdaten und den Einsatz eines Klassifikationsalgorithmus vor.
Einleitung: Die Einleitung erläutert die Ausgangsidee und skizziert die Schritte von der Korpuserstellung bis zum Training und Test des Systems.
1. Künstliche Intelligenz (KI): Intelligenzverleihung oder selbständiges Denken von Maschinen? Das Kapitel erörtert den Intelligenzbegriff und unterscheidet regelbasierte Programmierung von Ansätzen des maschinellen Lernens.
2. Maschinenlernen (ML) Vorgestellt werden Grundlagen des maschinellen Lernens sowie überwachtes, nichtüberwachtes und bestärkendes Lernen.
3. Datascience: Textannotation und Datensatzaufbau Das Kapitel behandelt die Zusammenstellung des Textkorpus und die Annotation textlinguistischer Funktionen und Relationen mit InCeption.
4. Anwendung von SciKit Learn beim Aufbau vom PPAR Das Kapitel beschreibt die Aufbereitung der Daten und den Einsatz eines neuronalen Klassifikators für das System PPAR.
Schlussbetrachtung und Ausblicke Der Schlussteil ordnet das entwickelte System ein und nennt Perspektiven für seine Weiterentwicklung und Bereitstellung.
Schlüsselwörter
Künstliche Intelligenz, maschinelles Lernen, Textlinguistik, Pronominaladverbien, Anapher, Katapher, Deixis, Textkorpus, Textannotation, Datenwissenschaft, neuronale Netzwerke, Klassifikation, Bezugseinheiten, PPAR
Häufig gestellte Fragen
Worum geht es in der Arbeit?
Die Arbeit befasst sich mit der automatischen Verarbeitung phorischer Pronominaladverbien und ihrer Bezüge in Texten.
Welche Themen stehen im Mittelpunkt?
Im Mittelpunkt stehen künstliche Intelligenz, maschinelles Lernen, Textannotation, Datensatzaufbau und die Entwicklung eines textlinguistischen Systems.
Was ist das Ziel der Untersuchung?
Entwickelt werden soll ein System, das Pronominaladverbien erkennt, ihre Funktionen klassifiziert und phorische Formen mit ihren Bezugseinheiten verbindet.
Welche wissenschaftliche Methode wird eingesetzt?
Die Arbeit verbindet die manuelle Annotation eines Textkorpus mit der Entwicklung, dem Training und der Erprobung eines Klassifikationsmodells für maschinelles Lernen.
Was behandelt der Hauptteil?
Der Hauptteil erläutert Grundlagen der künstlichen Intelligenz und des maschinellen Lernens und beschreibt anschließend die Datenaufbereitung sowie den Aufbau von PPAR.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Wichtige Begriffe sind Pronominaladverbien, Anaphorik, Kataphorik, Textannotation, neuronale Netzwerke und maschinelles Lernen.
Woher stammen die Texte für das Korpus?
Für den Korpusaufbau wurden Textabschnitte aus dem Deutschen Referenzkorpus herangezogen.
Welche Rolle spielt InCeption?
Mit InCeption werden Pronominaladverbien, ihre Funktionen und ihre Beziehungen zu Bezugseinheiten im Textkorpus annotiert und für den Datensatz exportiert.
Welcher Klassifikator wird für PPAR verwendet?
Die Arbeit verwendet einen auf künstlichen neuronalen Netzwerken beruhenden Mehrschichtperzeptron-Klassifikator aus der Python-Bibliothek Scikit-learn.
- Quote paper
- Nelson Fogo (Author), 2025, Künstliche Intelligenz (KI) und Datascience in der Textlinguistik, Munich, GRIN Verlag, https://www.grin.com/document/1618982
