Projektit

Käynnissä olevat projektit

Tiedon eristäminen: Pattern-based Understanding and Learning System (PULS): Pattern-based Understanding and Learning System (PULS) on hanke, jonka tavoitteena on rakentaa infektiolääkäreitä avustava järjestelmä. Järjestelmä kerää päivittäin lääkärien sähköpostilistalta uusia ilmoituksia infektiotautien esiintymisestä maailmassa, eristää ilmoituksista faktatiedot (paikkakunta, infektiotauti, sairastuneiden määrä jne) ja tallentaa tiedot tietokantaan, josta kuka tahansa voi tietoja hakea WWW-sivun kautta (http://doremi.cs.helsinki.fi/puls/). Erityisenä tavoitteena projektilla on lisätä eristystuloksen luotettavuutta analysoimalla tietokantaa kokonaisuutena. Yleisemmin tiedoneristämistutkimuksemme tavoitteena on kehittää menetelmiä tekstissä esiintyvien semanttisten entiteettien ja relaatioiden löytämiseksi.
Mobile and Multilingual Maintenance Man (4M): Mobile and Multilingual Maintenance Man (4M) on laaja yhteistyöprojekti Helsingin yliopiston ja Teknillisen korkeakoulun useiden tutkimusryhmien sekä VTT Tietotekniikan välillä. 4M-projektissa tavoitteena on kehittää luonnollisella kielellä keskusteleva tietämystukijärjestelmä laitteita korjaavaa huoltomiestä varten. Doremi-ryhmän vastuualueena on kehittää menetelmiä tietämyksen tuottamiseen tekstidokumenteista, esimerkiksi erilaisten toimintaohjeiden eristämiseen laitteen käsikirjoista. Lisäksi tutkitaan pienelle näytölle sopivaa, tarkkaan tulokseen tähtäävää tiedonhakua, joka hyödyntää ontologioita ja keskusteluhistoriaa.
Kysymysvastausjärjestelmät: CLEF/QA at University of Helsinki: Kysymysvastausjärjestelmien ideana on, että käyttäjä antaa kysymyksen luonnollisen kielen lauseena ja järjestelmä etsii kysymykseen vastauksen laajasta tekstikokoelmasta. Vastaus on vaatimuksista riippuen joko katkelma tekstiä, josta lukija vastauksen ymmärtää, tai tarkka vastaus, esimerkiksi erisnimi. Vuonna 2005 osallistuimme toista kertaa evaluointihankkeen Cross-Language Evaluation Forum (CLEF) kysymysvastaus-osioon, jonka tarkoituksena on tarjota koeaineistoja ja evaluointiympärist~ kysymysvastausjärjestelmille. Osallistuimme hankkeeseen kolmella järjestelmällä, kahdella yksikielisellä (suomi, ranska) ja yhdellä kaksikielisellä (kysymykset suomeksi - tekstikokoelmat englanniksi).
XML-dokumenttien hallintaINEX at University of Helsinki: Olemme osallistuneet kansainväliseen XML-tiedonhakujärjestelmiä kehittävään evaluointihankkeeseen INEX omalla järjestelmällä. Tutkimme erityisesti mm. XML-dokumenttien fragmentointia indeksointia varten.
Tekstin louhinta: Olemme kehittäneet menetelmiä tekstissä esiintyvien yleisten sanajonojen (monisanaisten termien) löytämiseksi. Yleinen sanajono esiintyy esim. vähintään 10 lauseessa, voi olla mielivaltaisen pitkä ja jonon sanojen välissä voi esiintyä tekstissä muita sanoja. Olemme myös tutkineet tällaisten sanajonojen hyödyntämistä tiedonhaussa. Lisäksi tutkimme tekstin segmentointia aiheen mukaisiin katkelmiin.