Detailansicht
Knowledge graph construction from streaming social media data
Sebastian Komposch
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Informatik
Betreuer*in
Claudia Plant
DOI
10.25365/thesis.72075
URN
urn:nbn:at:at-ubw:1-27476.06228.612575-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In den letzen Jahren stieg das Interesse an Knowledge Graphen in der Forschung an. Um einen Knowledge Graphen zu konstruieren, ist es nötig, Entitäten und deren Relationen untereinander aus Informationsquellen zu extrahieren. Eine besonders relevante Quelle solcher Informationen sind soziale Netzwerke. Informationen, die in sozialen Netzwerken veröffentlicht werden, sind meist nur für kurze Zeit relevant. Daher ist es nötig, sie schnell zu verarbeiten, am besten in Echtzeit. In dieser Arbeit präsentieren wir ein Modell basierend auf Long Short-Term Memory Netzwerken, um Entitäten und deren Relationen aus Tweets zu extrahieren. Um unser Modell zu evaluieren, annotieren wir einen eigenen Datensatz bestehend aus Tweets. Wir zeigen, dass unser Modell bessere Ergebnisse als Vergleichsmodelle liefert. Weiters zeigen wir, dass das Filtern der Vorhersagen für die "Loss"-Berechnung die Ergebnisse weiter verbessern kann. Abschließend evaluieren wir die Nützlichkeit der Vorhersagen sowie die Grenzen des Modells in einer qualitativen Analyse.
Abstract
(Englisch)
Knowledge graphs have recently encountered a surge in research interest. When constructing such a graph, it is necessary to extract entities and relations between them from the information source. One such source of particular interest is social media. As social media data is very short-lived, it needs to be processed quickly, preferably in real-time. This thesis proposes a joint entity recognition and relation classification model based on Long Short-Term Memory Networks to construct knowledge graphs from tweets. Furthermore a dataset of tweets is labelled to measure the model's performance. The model outperforms all baselines in terms of relation classification. Additionally, experiments with filtering samples are conducted, which show that removing low-confidence predictions from relation loss calculation can improve performance. Finally, the model's usefulness and limitations are discussed in a qualitative analysis.
Schlagwörter
Schlagwörter
(Deutsch)
Knowledge Graph Eigennamenerkennung Relationsklassifizierung LSTM
Schlagwörter
(Englisch)
Knowledge Graph Named-Entity-Recognition Relation Classification LSTM
Autor*innen
Sebastian Komposch
Haupttitel (Englisch)
Knowledge graph construction from streaming social media data
Paralleltitel (Deutsch)
Konstruktion von Knowledge Graphen aus gestreamten Social Media Daten
Publikationsjahr
2022
Umfangsangabe
xv, 67 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Claudia Plant
Klassifikationen
54 Informatik > 54.72 Künstliche Intelligenz ,
54 Informatik > 54.82 Textverarbeitung
AC Nummer
AC16599030
Utheses ID
63796
Studienkennzahl
UA | 066 | 921 | |