Bachelor's thesis

Web Page Event Extraction

Extrakce událostí z webové stránky

Lukáš Vavřík
Abstract

Tato bakalářská práce se zabývá extrakcí událostí. Cílem je vytvoření programu na extrakci událostí z webových stránek. Součástí práce je také vytvoření databáze webových stránek s událostmi. V rámci práce jsou popsány problémy extrakce informací a událostí. V hlavní části je popsán program na extrakci událostí společně s vyhodnocením úspěšnosti.

Abstract

This bachelor thesis deals with event extraction. The aim is to create a program to extract events from web pages. The work also includes the creation of a database of web pages with events. The problems of information and event extraction are described within the thesis. In the main part a program for event extraction is described together with an evaluation of success rate.

Keywords
extrakce informací extrakce událostí HTML událost
Thesis description

Cílem práce je návrh a implementace nástroje využívajícího strukturní informace z webových stránek pro zjištění detailů o popisovaných událostech.

Nástroj má pro libovolnou zadanou webovou stránku stáhnout její obsah a extrahovat informace o všech událostech na stránce publikovaných. Extrakce probíhá postupným zpracováním textu: nalezení časových údajů, určení názvu a místa události, ke které se údaj vztahuje. Součástí práce je i vytvoření databáze vzorových webových stránek s ručně vyznačenými událostmi a testování vyvíjeného systému na této datové sadě. Systém bude implementován v jazyce Python pro snadnou interoperabilitu s externími nástroji.

Výsledná práce se bude skládat jednak z textové části popisující problém extrakce informací, podobná a související řešení, dále analýzu, návrh, popis a vyhodnocení implementace nástroje, a jednak funkční implementovaný systém.

Administrative information
The thesis has been checked:
20/12/2021 08:31, doc. RNDr. Aleš Horák, Ph.D., UČO 1648
Full text of thesis
1 MB / file PDF
Attachments (1)
Language used
Czech Czech
Defence date
11/2/2022
The thesis was defended successfully

Supervisor

doc. RNDr. Aleš Horák, Ph.D., UČO 1648
KSUZD FI MU

Reader

RNDr. Vojtěch Kovář, Ph.D., UČO 139915
CZPJ KSUZD FI MU
Cite this text
Masaryk University Faculty of Informatics
Programme
Applied Informatics
Field of Study

Theses on a related topic

List of theses with an identical keyword.

Similar documents

  • 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.