BLAŤÁK, Jan, Lubomír POPELÍNSKÝ and Peter KRUTÝ. Dolování v geografických textech (Mining in geographical texts). In Geoinformatika ve veřejné správě. 1st ed. Brno: CAGI, 2006, p. 67-67, 13 pp. ISBN 80-86633-50-0.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Dolování v geografických textech
Name in Czech Dolování v geografických textech
Name (in English) Mining in geographical texts
Authors BLAŤÁK, Jan (203 Czech Republic, guarantor), Lubomír POPELÍNSKÝ (203 Czech Republic) and Peter KRUTÝ (703 Slovakia).
Edition 1. vyd. Brno, Geoinformatika ve veřejné správě, p. 67-67, 13 pp. 2006.
Publisher CAGI
Other information
Original language Czech
Type of outcome Proceedings paper
Field of Study 10201 Computer sciences, information science, bioinformatics
Country of publisher Czech Republic
Confidentiality degree is not subject to a state or trade secret
RIV identification code RIV/00216224:14330/06:00017158
Organization unit Faculty of Informatics
ISBN 80-86633-50-0
Keywords in English text filtration; information extraction; term extraction
Tags information extraction, term extraction, text filtration
Changed by Changed by: doc. RNDr. Lubomír Popelínský, Ph.D., učo 1945. Changed: 1/1/2007 17:14.
Abstract
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.
Abstract (in English)
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.
Links
MSM0021622418, plan (intention)Name: DYNAMICKÁ GEOVIZUALIZACE V KRIZOVÉM MANAGEMENTU
Investor: Ministry of Education, Youth and Sports of the CR, Dynamic Geovisualisation in Crises Management
PrintDisplayed: 28/7/2024 00:32