Dolování v geografických textech

BLAŤÁK, Jan, Lubomír POPELÍNSKÝ a Peter KRUTÝ. Dolování v geografických textech. In Geoinformatika ve veřejné správě. 1. vyd. Brno: CAGI, 2006, s. 67-67, 13 s. ISBN 80-86633-50-0.

Základní údaje

• Originální název: Dolování v geografických textech
• Název česky: Dolování v geografických textech
• Název anglicky: Mining in geographical texts
• Autoři: BLAŤÁK, Jan (203 Česká republika, garant), Lubomír POPELÍNSKÝ (203 Česká republika) a Peter KRUTÝ (703 Slovensko).
• Vydání: 1. vyd. Brno, Geoinformatika ve veřejné správě, od s. 67-67, 13 s. 2006.
• Nakladatel: CAGI

Další údaje

• Originální jazyk: čeština
• Typ výsledku: Stať ve sborníku
• Obor: 10201 Computer sciences, information science, bioinformatics
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• Kód RIV: RIV/00216224:14330/06:00017158
• Organizační jednotka: Fakulta informatiky
• ISBN: 80-86633-50-0
• Klíčová slova anglicky: text filtration; information extraction; term extraction
• Štítky: information extraction, term extraction, text filtration

Anotace

Metody dolování v textu, tj. objevování skrytých souvislostí a znalostí, se dnes úspěšně využívají v řadě oblastí informatiky. V tomto příspěvku se zaměříme na možnosti dolování v textech popisující časově-prostorové vztahy. Zaměříme se především na texty o živelných katastrofách. Na příkladu zpráv o povodních popíšeme způsob, jak pomocí metod strojového učení automaticky klasifikovat části textu jako popis situace nebo jako popis prováděných akcí. Navrhneme jak vhodné metody předzpracování textů pomocí metod zpracování přirozeného jazyka tak nejvhodnější algoritmus strojového učení. Popíšeme způsob, jak pomocí získaných výsledků nalézt důležité pojmy (pojmenované entity). Uvedeme i alternativní způsob, tvorbu ontologií. Na závěr navrhneme metodu pro hlubší sémantickou analýzu textů vedoucí k redukované reprezentaci znalostí a umožňující odvozování znalostí nových a také predikci.

Anotace anglicky

This paper describes methods for mining spatio-temporal relation from text data. We will cope with text describing disasters. We will show how machine learning can be utilized for labeling chunks of text related to floods into two classes - situations and performed actions. We will propose appropriate natural language processing methods for data preparation. We introduce a method for extracting important terms based on mined knowledge.

Návaznosti

• MSM0021622418, záměr: Název: DYNAMICKÁ GEOVIZUALIZACE V KRIZOVÉM MANAGEMENTU

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Dynamická geovizualizace v krizovém managementu