Eine Umfrage über Methoden zur Erkennung benannter Entitäten zur Extraktion von Lebensmittelinformationen

Da große Mengen von lebensmittelbezogenen Informationen in Form heterogener Textdaten präsentiert werden, sind computerbasierte Methoden nützlich, um solche Informationen automatisch zu extrahieren. Eine Möglichkeit, dies zu tun, besteht darin, Methoden zur Erkennung benannter Entitäten (NER) zu nutzen, die in der Informatik weit verbreitet sind zur Informationsextraktion. Trotz der Existenz zahlreicher und gut etablierter NER-Methoden im biomedizinischen Bereich bleibt das Gebiet der Lebensmittelwissenschaften noch spärlich ausgestattet. In diesem Papier geben wir einen Überblick und einen Vergleich von Methoden zur Erkennung benannter Entitäten im Bereich der Lebensmittel, die zur automatisierten Extraktion von Lebensmittelinformationen aus Texten verwendet werden können. Vier Methoden werden diskutiert: FoodIE, NCBO (SNOMED CT), NCBO (OntoFood) und NCBO (FoodON). Wir vergleichen sie anhand eines Benchmark-Datensatzes, der aus 1000 manuell annotierten Rezepten besteht, die ursprünglich von Allrecipes, dem größten sozialen Netzwerk für Essen, erhalten wurden. Nach der Analyse der Ergebnisse der Bewertung zeigt sich, dass FoodIE im Vergleich zu den anderen berücksichtigten Methoden zur Erkennung benannter Lebensmittelentitäten sehr vielversprechende Ergebnisse erzielt.