Crowdsourcingová tvorba datové sady pro rozpoznání struktury vyprávění
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Cieľom tejto práce je vytvorenie rozsiahlej dátovej sady pre rozpoznanie štruktúry rozprávania metódou crowdsourcingu. Pre tento účel bolo nutné vytvoriť webové rozhranie umožňujúce anotáciu dátovej sady filmov užívateľmi. Anotovanie dát získaných z filmovej databázy IMDb v aplikácii je založené na troch odlišných typoch anotácie. Užívatelia validujú výpočet podobností obsahov filmov modelom Sentence-BERT, extrakciu kľúčových slov z obsahov filmov modelom RAKE a predpočítané podobnosti filmov na základe ich kľúčových slov. Gamifikácia užívateľov je postavená na priradzovaní bodov a s nimi spojenými odznakmi, úspechoch a rebríčku najúspešnejších užívateľov.
Goal of this work is creation of extensive dataset for recognition of narrative structure by crowdsourcing method. For this purpose, it was necessary to create a web interface which offers dataset of films for user annotation. The annotation of data gained from IMDb database is established on three different types of annotation. Users validate similarity of movies based on computation done by Sentence-BERT, extraction of keywords from movie plots done by RAKE and precomputed similarity between movies based on their keywords. User's gamification is based on points assignment, which are related with badges, achievements accomplishment and leader board of most successful users.
Goal of this work is creation of extensive dataset for recognition of narrative structure by crowdsourcing method. For this purpose, it was necessary to create a web interface which offers dataset of films for user annotation. The annotation of data gained from IMDb database is established on three different types of annotation. Users validate similarity of movies based on computation done by Sentence-BERT, extraction of keywords from movie plots done by RAKE and precomputed similarity between movies based on their keywords. User's gamification is based on points assignment, which are related with badges, achievements accomplishment and leader board of most successful users.
Description
Citation
IGNÁC, I. Crowdsourcingová tvorba datové sady pro rozpoznání struktury vyprávění [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. Ondřej Ryšavý, Ph.D. (předseda)
doc. Dr. Ing. Otto Fučík (místopředseda)
Ing. Michal Bidlo, Ph.D. (člen)
Ing. Ondřej Lengál, Ph.D. (člen)
Ing. Igor Szőke, Ph.D. (člen)
Date of acceptance
2020-07-08
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D. Otázky u obhajoby: V práci uvádíte, že jste uživatele odměňoval vyšší bodovou odměnou v případech, kdy označil věty, které SentenceBERT nevyhodnotil jako přínosné pro porovnání filmů. Zvažoval jste, jaké negativní důsledky na anotace to mohlo mít? Proč jste v tabulkách na obrázcích 8.4 a 8.5 nezařadil žádné trénovací vzorky do Vaší datové sady? Jaké jiné jazyky jste zvažoval? Je nějaký problém přepnout jazyk řešení do jiného jazyka? Jaká jsou praktická uplatnění? Dalo by se řešení aplikovat i na psanou literaturu? Jak velkou roli hraje struktura vyprávění? Mohl by být systém využit k hledání plagiátů?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení