Kann ein semantisches Netzwerk die Informationsgewinnung verbessern? Diese Arbeit umreißt den Ansatz des LaSIE Information Extraction (IE)-Systems zur Wissensrepräsentation. Im Gegensatz zu vielen IE-Systemen, die domänenspezifische Muster verwenden, übersetzt LaSIE Sätze in eine quasi-logische Form und konstruiert ein Diskursmodell, um Template-Füllungen abzuleiten. Das Kernstück des Systems ist ein ‘Weltmodell’, das als semantisches Netz dargestellt wird und während der Textverarbeitung durch Hinzufügen der im Text beschriebenen Klassen und Instanzen erweitert wird. Die Wissensrepräsentationsformalismen des Systems, ihre Verwendung in der IE-Aufgabe und die Art und Weise, wie das darin dargestellte Wissen erworben wird, werden beschrieben. Vorläufige Bewertungen des Ansatzes zeigen eine Leistung, die mit flacheren Methoden vergleichbar ist. Die Arbeit untersucht die Wissensrepräsentationsformalismen des Systems, ihre Verwendung in der IE-Aufgabe und die Art und Weise, wie das darin dargestellte Wissen erworben wird, einschließlich Experimente zur Erweiterung der Abdeckung des Systems mithilfe von WordNet. Diese Allgemeinheit und Erweiterbarkeit bieten einen Weg zu der höheren Präzision, die von IE-Systemen gefordert wird, um wirklich brauchbare Technologien zu sein.
Diese Arbeit steht im Einklang mit dem Fokus von Natural Language Engineering auf Computerlinguistik und Verarbeitung natürlicher Sprache. Die Verwendung semantischer Netzwerke für die Informationsgewinnung ist ein Schlüsselthema auf diesem Gebiet.