Identifikace entit v textech

Bc. Radmila DOBRÁ

Master's thesis

Named Entity Identification

Abstract:

Tato práce poskytuje stručný úvod do rozpoznávání pojmenovaných entit a popisuje používané přístupy. Práce prezentuje používané učící metody rozpoznávání pojmenovaných entit a přístupy používané pro rozpoznávání víceslovných entit. Součástí práce stručný přehled nástrojů sématnické analýzy. V rámci práce jsou představeny kroky, které jsou potřebné pro rozpoznávání pojmenovaných entit. Práce se zaměřuje na české prostředí, snaží se zohlednit potřeby zadavetele práce (ČTK). Popisovanými kroky jsou: představetní korpusu, parsování korpusu, výběr příznaků a hodnocení úspěšnosti metod. Popsané přístupy jsou demostrovány s využitím nástroje LingPipe. Řešení prezentované v rámci práce dosahuje úspěšnosti 58,03%.

Abstract:

This master thesis provides a brief introduction to the named entity recognition and it describes the used approaches. It presents a machine learning methods overview and the approaches used for compound entity identification. Part of this thesis is a brief semantic analysis tools overview. In this thesis there are presented some steps needed for named entity recognition, it is focused on Czech language processing environment. The described steps are corpus presentments, corpus parsing, feature selection and method evaluation. The described steps are demonstrated by the chosen tool LingPipe. The best achieved score of presented solution is 58,03%.

Keywords

rozpoznávání pojmenovaných entit, výběr příznaků, metody ropoznávání pojmenovaných entit, hodnocení metod rozpoznávání pojmenovaných entit, nástroje sémantické analýzy

Language used: Czech

Date on which the thesis was submitted / produced: 19. 5. 2011

Identifier: 39240

Thesis defence

• Supervisor: Ing. Pavel Král, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Master programme / field:
Computer Science and Engineering / Software Engineering