Bakalářská práce

Identifikace pojmenovaných entit v textu

Named Entity Recognition from Texts

Lukáš Kohout
Anotace

Cílem této práce je stanovit možnosti určování a klasifikace pojmenovaných entit v textu. Výstupem této práce je 15 regulárních výrazů identifikujících pojmenované entity v korpusu a více než 12 milionů pojmenovaných entit v korpusu identifikovaných.

Abstract

The aim of this thesis is to determine the possibilities of identification and classification of named entities in a text. The output of this thesis is 15 regular expressions identifying named entities in the corpus, and more than 12 million named entities identified in the corpus.

Klíčová slova
Pojmenovaná entita korpus The Sketch Engine regulární výraz CQL Message Understand Konference (MUC) Multilingual Entity Task (MET) přesnost pokrytí F-measure
Zadání práce
Zorientujte se v problematice pojmenovaných entit (Named Entity, NE). Zasaďte problematiku NE do širšího rámce analýzy textu v přirozeném jazyce. Nastudujte problematiku vyhledávání v korpusech. Prostudujte metody anotace a vyhodnocení (přesnost, pokrytí, shoda mezi anotátory). Navrhněte postupy, pomocí kterých bude možné rozpoznat a klasifikovat NE v souvislém textu. Může jít o jednotlivá slova, ale důraz je kladen na rozpoznání víceslovných entit. Výstupem bude popis získávání NE z korpusu a vyhodnocení úspěšnosti tohoto postupu. Výstupem také může být seznam NE. Doporučená literatura: Radek Sedláček: ajka tagset, 2006, nlp.fi.muni.cz/projekty/ajka/tags.pdf Sketch Engine Trac: Corpus Querying and Grammar Writing for the Sketch Engine, 2012, https://trac.sketchengine.co.uk/wiki/SkE/CorpusQuerying K. L. Gwet: Computing inter-rater reliability and its variance in the presence of high agreement. British Journal of Mathematical and Statistical Psychology, 61, 29-48, 2008, http://www.agreestat.com/research_papers/bjmsp2008_interrater.pdf
Administrativní informace
Práce zkontrolována:
22. 5. 2012 10:50, RNDr. Zuzana Nevěřilová, Ph.D., učo 3839
Plný text práce
341 KB / soubor PDF
Přílohy (1)
Jazyk práce
čeština čeština
Termín obhajoby
22. 6. 2012
Práce byla úspěšně obhájena

Vedoucí

RNDr. Zuzana Nevěřilová, Ph.D., učo 3839
ÚČJ FF MU

Oponent

Mgr. Václav Němčík
abs FI MU

Konzultant

RNDr. Vojtěch Kovář, Ph.D., učo 139915
ÚČJ FF MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce
 
Název
Vložil
Vloženo
Práva
Archiv závěrečné práce Lukáš Kohout FI B-IN PSZD av9wl/7
Tomíčková, M.
18. 4. 2012
Složky
Soubory
Anotace anglicky annotation_english.txt
Kohout, L.
20. 5. 2012
Anotace česky annotation.txt
Kohout, L.
20. 5. 2012
Klíčová slova keywords.txt
Kohout, L.
20. 5. 2012
Plný text práce bp.pdf
Kohout, L.
19. 5. 2012
Posudek oponenta posudek_oponenta.pdf
Němčík, V.
8. 6. 2012
Příloha CD.rar
Kohout, L.
20. 5. 2012

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.