Aktenzeichen XY... gelöst: Nutzung von Text Mining und Machine Learning für die Dokumentablage bei einer Behörde

Die Dokumentenveraktung in Behörden ist häufig ein manueller, langwieriger Prozess. Wir zeigen wie dieser durch Text Mining und Machine Learning optimiert werden kann. Für Datenvorverarbeitung, Modellerstellung und -evaluation stellen wir die Python-Bibliotheken pdfminer und scikit-learn vor. Mithilfe einer manuellen Korrekturschleife wird die stetige Verbesserung der Prozesse gesichert.

Wir erläutern Software Engineering Methoden für den Aufbau einer wiederverwendbaren Analyseumgebung zur Erzeugung qualitätsgesicherter Ergebnisse (testgetriebene Entwicklung, Modularisierung, Lifecycle-Management). Auch die Themen Datensicherheit und Cloud- vs. On-Premises-Betrieb werden angesprochen.

Vorkenntnisse

* Machine-Learning-Grundlagen (Arbeiten mit Klassifikatoren)

Lernziele

* Verständnis der Vorgehensweise beim Trainieren eines Klassifikators auf Dokumentinhalten