Special domain data mining through DBpedia on the example of Biology
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F13%3A10194643" target="_blank" >RIV/00216208:11320/13:10194643 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Special domain data mining through DBpedia on the example of Biology
Popis výsledku v původním jazyce
Wikipedia is not only a large encyclopedia, but lately also a source of linguistic data for various applications. Individual language versions allow to get the parallel data in multiple languages. Inclusion of Wikipedia articles into categories can be used to filter the language data according to a domain. In our project, we needed a large number of parallel data for training systems of machine translation in the field of biomedicine. One of the sources was Wikipedia. To select the data from the given domain we used the results of the DBpedia project, which extracts structured information from the Wikipedia articles and makes them available to users in RDF format. In this paper we describe the process of data extraction and the problems that we had todeal with, because the open source project like Wikipedia, to which anyone can contribute, is not very reliable concerning consistency.
Název v anglickém jazyce
Special domain data mining through DBpedia on the example of Biology
Popis výsledku anglicky
Wikipedia is not only a large encyclopedia, but lately also a source of linguistic data for various applications. Individual language versions allow to get the parallel data in multiple languages. Inclusion of Wikipedia articles into categories can be used to filter the language data according to a domain. In our project, we needed a large number of parallel data for training systems of machine translation in the field of biomedicine. One of the sources was Wikipedia. To select the data from the given domain we used the results of the DBpedia project, which extracts structured information from the Wikipedia articles and makes them available to users in RDF format. In this paper we describe the process of data extraction and the problems that we had todeal with, because the open source project like Wikipedia, to which anyone can contribute, is not very reliable concerning consistency.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
R - Projekt Ramcoveho programu EK
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
ITAT 2013: Information Technologies - Applications and Theory (Workshops, Posters, and Tutorials)
ISBN
978-1-4909-5208-6
ISSN
—
e-ISSN
—
Počet stran výsledku
3
Strana od-do
2-4
Název nakladatele
CreateSpace Independent Publishing Platform
Místo vydání
Donovaly, Slovakia
Místo konání akce
Donovaly, Slovakia
Datum konání akce
11. 9. 2013
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
—