Komponent pro sémantické obohacení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato diplomová práce se zabývá komponentou pro sémantické obohacení textu (SEC), která ve vstupním textovém dokumentu nebo vertikálním textu vyhledá entity (např. osoby nebo místa) a informace o nich vrátí na výstup. Cíle této komponenty jsou vytvoření jednotného rozhraní pro nástroje rozpoznávající entity v textu, umožnění paralelního zpracování dokumentů, úspora operační paměti při využívání znalostní báze a zrychlení přístupu k jejímu obsahu. K tomu byl specifikován výstup pro nástroje rozpoznávající entity v textu, implementován nástroj pro uložení předzpracované znalostní báze do sdílené paměti a při tvorbě komponenty bylo využito schéma klient-server.
This master's thesis describes Semantic Enrichment Component (SEC), that searches entities (e.g., persons or places) in the input text document and returns information about them. The goals of this component are to create a single interface for named entity recognition tools, to enable parallel document processing, to save memory while using the knowledge base, and to speed up access to its content. To achieve these goals, the output of the named entity recognition tools in the text was specified, the tool for storing the preprocessed knowledge base into the shared memory was implemented, and the client-server scheme was used to create the component.
This master's thesis describes Semantic Enrichment Component (SEC), that searches entities (e.g., persons or places) in the input text document and returns information about them. The goals of this component are to create a single interface for named entity recognition tools, to enable parallel document processing, to save memory while using the knowledge base, and to speed up access to its content. To achieve these goals, the output of the named entity recognition tools in the text was specified, the tool for storing the preprocessed knowledge base into the shared memory was implemented, and the client-server scheme was used to create the component.
Description
Keywords
sémantické obohacení textu, SEC, KNOT, rozpoznání jmených entit, NER, vyhledávání entit v KB, FIGA, znalostní báze, KB, anotace, anotace textu, Decipher, 4A, 4A systém, 4A anotační server, vertikální text, vertikál, porozumění textu, zpracování textu, význam textu, alternativní entity, SXML, paralelní zpracování, paralelizace, sdílení prostředků, sdílení zdrojů, sdílená znalostní báze, démon pro znalostní bázi, SharedKB, porovnávání rozpoznávacích nástrojů NER, porovnávání znalostních bází, semantic enrichment of text, SEC, KNOT, named entity recognition, NER, searching of entities in KB, FIGA, knowledge base, KB, annotation, annotation of text, Decipher, 4A, 4A system, 4A annotation server, vertical text, vertical, understanding to the text, processing of the text, the meaning of the text, alternative entities, SXML, parallel processing, parallelization, resource sharing, sharing of the resources, shared knowledge base, deamon for knowledge base, SharedKB, comparison of NER tools, comparison of knowledge bases
Citation
DOLEŽAL, J. Komponent pro sémantické obohacení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Inteligentní systémy
Comittee
doc. Ing. František Zbořil, CSc. (předseda)
prof. RNDr. Alexandr Meduna, CSc. (místopředseda)
Ing. Michal Bidlo, Ph.D. (člen)
Ing. František Grézl, Ph.D. (člen)
doc. Ing. Radomil Matoušek, Ph.D. (člen)
Dr. Ing. Petr Peringer (člen)
Date of acceptance
2018-06-18
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 B. Otázky u obhajoby: Jaká je režie SEC oproti původnímu nástroji NER? Můžete porovnat časové a paměťové nároky na zpracování velkých a malých souborů pomocí SEC a pomocí samostatného nástroje NER?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení