Zum vierten Mal fand am 18. Oktober 2016 der LD4IE (Linked Data for Information Extraction) - Workshop in Kobe, Japan im Rahmen der 15. International Semantic Web Conference (ISWC2016) statt. Der Workshop wurde von Anna Lisa Gentile, Forscherin im DS4DM-Projekt, mitorganisiert. Er ist für das Projekt DS4DM von besonderem Interesse, da er Themen und Herausforderungen behandelt, die im DS4DM-Projekt erforscht werden.
DS4DM-Projekt Forscherin, Dr. Anna Lisa Gentile (Universität Mannheim) beim 4. LD4IE Workshop (ISWC2016) in Kobe, Japan
Der Workshop umfasste insgesamt drei ausführliche Beitrage, ein Positionspapier und zwei sogennante "Expert-Highlights"-Beiträge. Die "Expert-Highlights" sind eine Neuheit, die in diesem Jahr in die Workshop-Reihe eingeführt wurden. Diese Veröffentlichungen sind Beiträge von Forschern mit etablierter Erfolgsbilanz in spezifischen und bedeutenden Themen der Informationsextraktion. Im Einzelnen befassten sich Saif et al. mit der Extraktion und Analyse der Stimmungslage in sozialen Medien, während Mazumdar und Zhang über neuartige Erkenntnisse von Visualisierungstechniken zur Informationsextraktion, mit dem Schwerpunkt der Extraktion aus Web-Tabellen, berichteten.
Als eingeladene Gastreferentin trat Dr. Valentina Presutti auf dem LD4IE 2016 Workshop auf. Dr. Presutti ist Forscherin und Teamkoordinatorin bei dem Semantic Technology Laboratory des National Research Council (CNR) in Rom und Catania. Sie verfügt über mehr als zehn Jahre Erfahrung mit der Verwaltung von Forschungs- und Entwicklungsprojekten in Bereichen wie offene Daten, Datenintegration, Wissensgewinnung, Inhalts- und Wissensmanagement, Verarbeitung natürlicher Sprache, Informations- und Kommunikationstechnik für eHealth. Der Titel ihres Vortrags bei dem LD4IE2016-Workshop lautet "Knowledge Extraction and Linked Data: Playing with Frames" ("Wissensextraktion und verknüpfte Daten: Spielen mit Frames") und beinhaltete die Thematik des automatischen Verstehens von Text (oder Rede) durch die Identifizierung der Hauptentitäten im Diskurs, und wie diese innerhalb von Relationsschemata (die als Frames bezeichnet werden) zueinander in Beziehung stehen. Um dieses automatische Textverständnis zu erreichen, hat Sie drei wichtige Zutaten untersucht, Wissensgewinnung, Wissensrepräsentation und automatisiertes Denken.