Seminar Text Mining und Anwendungen

Tobias Scheffer, Steffen Bickel, Isabel Drost

Achtung: Dies ist die Webseite des Seminars von 2004, die aktuelle Seite vom gleichnamigen Seminar 2005 könnt ihr hier erreichen.

Termine:

Di, 9-11, RUD 26, 1'308 (einmaliger Termin zur Einfuehrung und Themenvergabe am 19.10.2004)
Das Seminar findet als Blockseminar am 08.02.2005 - 10.02.2005 statt (Achtung: Terminänderung).

Unser Zeitplan sieht so aus:

bis 1. Dezember: Erarbeitung der Literatur und Absprache der Gliederung mit dem jeweiligen Betreuer.
bis 10. Januar: Abgabe der Ausarbeitung in elektronischer Form per Email an Steffen Bickel.
25. Januar: Verteilung der Koreferatsthemen per Email.
bis 29. Januar: Durchsprechen der vorläufigen Vortragsfolien mit dem jeweiligen Betreuer.
08.02. - 10.02.: Blockseminar.

Lehrinhalte:

Text Mining beschäftigt sich mit Algorithmen, die Wissen aus Textsammlungen gewinnen. Da über 80% aller elektronischen Daten in unstrukturierter textueller Form vorliegen, sind die Methoden des Text Mining von großer Bedeutung. In diesem Seminar wollen wir Methoden und Algorithmen des Text Mining mit Bezug zu konkreten Anwendungsbereichen erarbeiten. Anwendungsbereiche von Text Mining liegen unter anderem in Biomedizin, Dokumentenmanagement, Betrugserkennung, Web-Personalisierung, Marketing, Customer Relationship Management, Recommender Systems. Teilnehmer der Veranstaltung bereiten einen Vortrag zu einem der Themenvorschläge vor und verfassen eine schriftliche Ausarbeitung.

Hinweise zum Koreferat:

Das Koreferat sollte direkt nach dem eigentlichen Vortrag zu dem Thema gehalten werden (ca. 5 Minuten).

Zu folgenden Fragen könnt ihr Stellung nehmen:

Welche Fragen habt ihr zu dem Thema? (bitte jeder mindestens zwei Fragen vorbereiten; sollen die Diskussion anregen)
Was hat euch an der Ausarbeitung gefallen?
Was habt ihr in der Ausarbeitung vermisst? Was hätte man an der Ausarbeitung vielleicht besser machen können?
Ist das Thema leserfreundlich aufgearbeitet worden oder gibt es Punkte die nur schwer oder nur mit Vorwissen zu dem Thema verständlich sind?
Gibt es Beziehungen oder Ähnlichkeiten zu eurem Thema?
Wie gut hat der Vortragende den Inhalt der Ausarbeitung im Vortrag präsentiert?
Welche wichtigen Inhalte aus der Ausarbeitung habt ihr im Vortrag vermisst?

Material:

Dokumentvorlagen fuer Ausarbeitung [MS Word] [Latex].
Folien der Einführungsveranstaltung (können auch als Folienvorlage fuer eure Folien verwendet werden):

Themenuebersicht [pdf] [ppt].
Tipps zum Anfertigen einer Ausarbeitung und zum Halten eines Vortrags [pdf] [ppt] [open office].
Links und FAQ zum Thema LaTeX

Literaturhinweise stehen unten direkt neben dem jeweiligen Thema.

Themen:

Thema	Betreuung	Literatur
Email-Spam-Filterung auf Textebene	Tobias Scheffer	First Conference on Email and Anti-Spam (CEAS) 2004 Bickel and Scheffer: Mining Email Data. 2004. (kurze Uebersicht) Siefkes et al.: Combining Winnow and Orthogonal Sparse Bigrams for Incremental Spam Filtering. European Conference on Principles and Practice of Knowledge Discovery in Databases. 2004.
Email und Web-Graph Mining (Spam-Filterung auf Graphebene, Social Network Mining, Community Mining)	Tobias Scheffer	Tyler, Wilkinson and Huberman: Email as Spectroscopy: Automated Discovery of Community Structure within Organizations Golbeck, Hendler: Reputation Network Analysis for Email Filtering Boykin, P., & Roychowdhury, V. (2004). Personal email networks: an effective anti-spam tool. Preprint, arXiv id 0402143. Newman, Forrest, Balthrop: Email networks and the spread of computer viruses Culotta et al.: Extracting social networks and contact information from email and the Web Gibson, Kleinberg and Raghavan: Inferring Web communities from link topology. Proc. 9th ACM Conference on Hypertext and Hypermedia, 1998. Flake et al.: Efficient Identification of Web Communities
Email Management (Email Verwaltung, Email Filing, Email-Beantwortung)	Steffen Bickel	emailresearch.org Bickel and Scheffer: Learning from Message Pairs for Automatic Email Answering. European Conference on Machine Learning. 2004.
Named-Entity-Recognition in Biomedizinischen Texten	Tobias Scheffer	De Bruijn, B. and Martin, J.: Literature Mining in Molecular Biology (Einfuehrung) Hakenberg et al.: Systematic Feature Evaluation for Gene Name Recognition (interessantes Verfahren und einige Basisreferenzen) Finn and Kushmerick: Multi-level Boundary Classification for Information Extraction BioCreative-Wettbewerbsbeitraege (Task 1A war Named-Entity-Recognition)
Fact-Extraction aus Biomedizinischen Texten (Fokus auf Identifizierung von Protein-Protein Interaktionen)	Tobias Scheffer	De Bruijn, B. and Martin, J.: Literature Mining in Molecular Biology (Einfuehrung) diverse Papers von Blaschke et al. [99] [01a] [01b] [01c] [02] Temkin and Gilder: Extraction of protein interaction information from unstructured text using a context-free grammar
Homonymerkennung - Word Sense Disambiguation	Steffen Bickel	Manning and Schuetze: Foundations of Statistical Natural Language Processing. Kapitel 7. (Buch bei uns ausleihbar) Ide and Véronis: Word Sense Disambiguation: The State of the Art (evtl. veraltet)
Synonymerkennung - Automatic Thesaurus Generation	-	Monica Lassi: Automatic thesaurus construction Lin et al.: Identifying Synonyms among Distributionally Similar Words Lucero et al.: An Automatic Method to Identify Antonymy Relations Chen et al.: Automatic Thesaurus Generation for an Electronic Community System Kageura et al.: Automatic Thesaurus Generation through Multiple Filtering Chen et al.: Building a Web Thesaurus from Web Link Structure Lin, D.: Automatic Retrieval and Clustering of Similar Words.
Hypernymerkennung - Automatische Generierung von Begriffshierarchien	Isabel Drost	Hearst, Marti: Automatic Acquisition of Hyponyms from Large Text Corpora Sara Rydin: Building a hyponymy lexicon with hierarchical structure Sombatsrisomboon et al.: Acquisition of Hypernyms and Hyponyms from the WWW Lawrie and Croft: Discovering and Comparing Topic Hierarchies Morin and Jacquemin: Automatic Acquisition and Expansion of Hypernym Links Xu et al.: Automatic Acquisition of Domain Relevant Terms and their Relations with Bootstrapping Snow and Patel: Automatic Hypernym Classification Sharon A. Caraballo. 1999. Automatic Acquisition of a Hypernym-Labeled Noun Hierarchy from Tex
Plagiaterkennung - Authorship Attribution - Style Mining	-	Authorship Attribution Reading List Paul Clough: Plagiarism in natural and programming languages: an overview of current tools and technologies IJCAI'03 Workshop on Computational Approaches to Style Analysis and Synthesis
Text Clustering fuer Websuchanfragen (z.B. www.vivisimo.com)	Isabel Drost	O. Zamir and O. Etzioni, Grouper: a dynamic clustering interface to web search results J. Stefanowski, D. Weiss. Carrot2 and Language Properties in Web Search Results Clustering Dell Zhang, Yisheng Dong. Semantic, Hierarchical, Online Clustering of Web Search Results Zeng et al.: Learning to Cluster Web Search Results
Webseitenranking fuer Suchanfragen anhand von Linkgraphen	Isabel Drost	L. Page, S. Brin, R. Motwani, T. Winograd, "The PageRank citation ranking: Bringing order to the Web," Jon M. Kleinberg: Authoritative Sources in a Hyperlinked Environment. Stanford Digital Library Technologies Project. Journal of the ACM. 1999.
Text Mining fuer Recommender Systems (Teil 1, Teil 2)	Isabel Drost	Learning for Recommender Systems Adomavicius, Sankaranarayanan, Sen, Tuzhilin: Incorporating Contextual Information in Recommender Systems Using a Multidimensional Approach
Opinion Mining	Steffen Bickel	Dave, Lawrence and Pennock: Mining the Peanut Gallery: Opinion Extraction and Semantic Classification of Product Reviews Hurst and Nigam: Retrieving Topical Sentiments from Online Document Collections Nigam and Hurst: Towards a Robust Metric of Opinion Miles Efron: Cultural Orientation: Classifying Subjective Documents by Cociation Analysis Hu and Liu: Mining Opinion Features in Customer Reviews
Trend Mining in textuellen Datenstroemen	Steffen Bickel	Montes-y-Gómez et al.: Mining the News: Trends, Associations, and Deviations Kaban and Girolami: A Dynamic Probabilistic Model to Visualise Topic Evolution in Text Streams Montes-y-Gómez et al.: Text Mining as a Social Thermometer Lent et al.: Discovering Trends in Text Databases
Novelty Detection / First Story Detection	Steffen Bickel	Zhang et al.: Novelty and Redundancy Detection in Adaptive Filtering Allan et al.: First Story Detection In TDT Is Hard Stokes and Carthy.: First Story Detection using a Composite Document Representation. Allan et al.: Topic Detection and Tracking Pilot Study Final Report Topic Detection and Tracking Project (TDT) TREC Novelty Track Publications [TREC 11][TREC 12]
Entdeckung neuer Themen in verlinkten Textdaten (WWW)	Isabel Drost	Matsumura et al.: Discoverey of Emerging Topics between Communities on WWW Matsumura et al.: Future Directions of Communities on the Web Matsumura et al.: Discovering Seeds of New Interest Spread from Premature Pages Cited by Multiple Communities Jatowt et al.: query-based discovering of popular changes in www Jatowt et al.: Change Summarization in Web Collections Bun and Ishizuka: Emerging Topic Tracking System
Text Summarization	Tobias Scheffer	www.summarization.com Document Understanding Conferences (DUC) DUC 2003 Overview
Semantic Web	Steffen Bickel	www.semanticweb.org Introductions
Question Answering	-	TREC Question-Answering (Overview) TREC Question-Answering Track Publications Pasca and Harabagiu: Answer Mining from On-Line Documents
Maschinelle Übersetzung	Steffen Bickel	Manning and Schuetze: Foundations of Statistical Natural Language Processing. Kapitel 13. (Buch bei uns ausleihbar) Doug Arnold: Machine Translation: an Introductory Guide (evtl. veraltet)