Wikifikácia textu v službe CORE Reader

Bc. Jozef Harag

Master's thesis

Wikifikace textu ve službě CORE Reader

Abstract:

Práce se zabývá wikifikací textu v aplikaci CORE Reader, která slouží k prohlížení publikací v režimu open-access. Cílem práce bylo rozšíření aplikace CORE Reader o anotační vrstvu obsahující wikifikovaný text. Uživatel aplikace má během čtení vědecké publikace zvýrazněné entity a po jejich rozkliknutí má možnost vidět krátký náhled entity s možností prokliknutí se na celý článek v encyklopedii Wikipedia. Problém wikifikace textu spadá do kategorie úloh zpracovávání přirozeného jazyka s názvem linkování pojmenovaných entit. Práce se skládá z vytvoření báze znalostí, trénovacího a testovacího datasetu ze snímku databáze Wikipedia. Hlavní částí práce bylo vytvoření modelu pro linkování pojmenovaných entit v textu pomocí moderních přístupů strojového učení a jeho evaluace. Nad modelem bylo provedeno několik experimentů a výsledky jsou zhodnoceny v závěrečné kapitole.

Abstract:

The thesis deals with text wikification in the CORE Reader application, which is used to view open-access publications. This thesis aims to extend the CORE Reader application with an annotation layer containing the wikified text. The user of the application can see highlighted entities while reading the scientific publication. Furthermore, the user has the opportunity to click on the entity and see a brief preview of the entity with the option to redirect to the article on Wikipedia. The problem of text wikification falls into the category of native language processing tasks called entity linking (EL). The work consists of creating a knowledge base, training and testing dataset from the Wikipedia database snapshot. The main part of the work was to create a model for named entity linking task (NEL) using modern machine learning approaches and its evaluation. Several experiments were performed on the model and the results are evaluated in the last chapter.

Abstract:

Práca sa zaoberá wikifikáciou textu v aplikácii CORE Reader, ktorá slúži k prehliadaniu publikácií v režime open-access. Cieľom práce bolo rozšírenie aplikácie CORE Reader o anotačnú vrstvu obsahujúcu wikifikovaný text. Používateľ aplikácie má počas čítania vedeckej publikácie zvýraznené entity a po ich rozkliknutí má možnosť vidieť krátky náhľad entity s možnosťou prekliknutia sa na celý článok v encyklopédii Wikipedia. Problém wikifikácie textu spadá do kategórie úloh spracovávania prirodzeného jazyka s názvom linkovanie pomenovaných entít. Práca pozostáva z vytvorenia bázy znalostí, trénovacieho a testovacieho datasetu zo snímky databázy Wikipedia. Hlavnou časťou práce bolo vytvorenie modelu na linkovanie pomenovaných entít v texte pomocou moderných prístupov strojového učenia a jeho evaluácia. Nad modelom bolo uskutočnených niekoľko experimentov a výsledky sú zhodnotené v záverečnej kapitole.

Keywords

CORE Reader, báze znalostí, linkování pojmenovaných entit, NEL, neuronová síť, strojové učení, wikifikace, Wikipedia

Keywords

knowledge base, machine learning, named entity linking, NEL, neural network, CORE Reader, wikification, Wikipedia

Keywords

CORE Reader, báza znalostí, linkovanie pomenovaných entít, NEL, neurónová sieť, strojové učenie, wikifikácia, Wikipedia

Language used: Slovak

Date on which the thesis was submitted / produced: 23. 12. 2021

Thesis defence

• Supervisor: prof. Ing. Radim Farana, CSc. FEng.
• Reader: Jan Kolomazník, Ph.D.

Mendel University in Brno

Faculty of Business and Economics

Master programme / field / specializace:
Engineering Informatics / Automation Control and Informatics / Informatics and its Application