User: Guest  Login
Original title:
Augmenting Humans. A Text Mining Approach 
Translated title:
Menschen unterstützen. Ein Text Mining Ansatz 
Year:
2018 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Rost, Burkhard (Prof. Dr.) 
Referee:
Rost, Burkhard (Prof. Dr.); Bromberg, Yana (Prof., Ph.D.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik; MED Medizin 
Keywords:
text mining, machine learning, ml, artificial intelligence, ai, active learning, PubMed, human augmentation, interactive, interface, database, curation, annotations, biomedical, biology, medicine, drugs, drug discovery, pharmaceutical, menschen unterstützen, augmentation 
Translated keywords:
text mining, machine learning, ml, artificial intelligence, ai, active learning, PubMed, human augmentation, interactive, interface, database, curation, annotations, biomedical, biology, medicine, drugs, drug discovery, pharmaceutical, menschen unterstützen, augmentation 
TUM classification:
BIO 110d 
Abstract:
This dissertation shows how the automatic text-mining of the biomedical literature can assist human experts in their work. We look at three real cases, wherein automatic annotations effectively leveraged the feedback of experts. We worked with the renowned scientific repositories PubMed, UniProtKB, and FlyBase; we showed that the newly developed methods saved time and costs in database curation. We applied techniques of active learning, named-entity recognition, and relationship extraction. 
Translated abstract:
In dieser Dissertation wird gezeigt, inwiefern automatisiertes Text-Mining biomedizinischen Fachartikeln Experten bei ihrer täglichen Arbeit unterstützen kann. Im Zuge dessen betrachten wir drei reale Fälle, in denen das Feedback der Experten durch automatisierte Annotation unterstützt wurde. Wir griffen auf etablierte Datenbanken wie PubMed, UniProtKB und FlyBase zurück und konnten zeigen, dass durch die neu entwickelten Methoden sowohl Zeit als auch Geld bei der Pflege der Datenbanken gespart...    »
 
Oral examination:
12.03.2018 
File size:
5417294 bytes 
Pages:
105 
Last change:
27.04.2018