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 werden kann. Technisch gesehen werden in dieser Arbeit Bereiche des aktiven Lernens, der named-entity recognition sowie der relationship extraction angewendet.     «

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...     »