Globální kalendář

Bc. Veronika Krejčířová

Master's thesis

Global Calendar

Anotácia:

Ve veřejných internetových textech jsou publikovány informace o konání nejrůznějších akcí (výstavy, kina, závody, ...), nikde ovšem není možné najít ucelené informace vztažené k určitému datu, místu apod. Cílem práce bude automatická tvorba takového globálního kalendáře pomocí vyhledávání a analýzy (českých) internetových textů. Pro vlastní analýzu systém využije nástroje vyvinuté v (http://nlp.fi.muni.cz/cs/) Centru zpracování přirozeného jazyka na FI MU, které umí poskytnout základní informace o obsahu jednotlivých vět. Úkolem tedy bude zejména strukturní analýza HTML dokumentů, nalezení informace o datu akce, názvu, místě a popisu. Systém bude umět zpracovávat různé typy dokumentů - plány různých akcí, popis jedné akce, časový rozvrh, ... Nalezené údaje uloží do relační databáze a poskytne jednoduché rozhraní na její prohledávání. Výsledná práce se bude skládat jednak z praktické části v podobě funkčního implementovaného systému, jednak z textové části obsahující přehled řešených projektů na podobné téma ve světě, popis použitých podkladových technik a analýzu, návrh a popis implementace vlastního systému.

Abstract:

Public Internet texts often contain information about various events (exhibitions, cinemas, races, ...). However, there is nowhere to be found comprehensive set of information related to a given date, place, etc. The aim of this work is automated creation of such global calendar using search and analysis of (Czech) texts available on the Internet. For its analysis, the system is to use tools developed at (http://nlp.fi.muni.cz/cs/) Natural Language Processing Center at FI MU, which can provide basic information about the contents of individual sentences. The task will particularly consist of structural analysis of HTML documents in order to find information on the date, name, location and description of the event. The system will be able to handle different types of documents - various events overview, one event description, time schedule, ... Found data will be stored in a relational database and a simple search interface will be provided. The output of this work will consist of the practical part providing functional embedded system, and of the text part containing an overview of current projects on a similar topic in the world, a description of the underlying techniques and analysis, design and implementation description of its system.

Kľúčové slová

události, kalendář, text mining, analýza HTML, internetové hledání, NLP, zpracování přirozeného jazyka

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 4. 1. 2017

Obhajoba závěrečné práce

• Obhajoba proběhla 10. 2. 2017
• Vedúci: doc. RNDr. Aleš Horák, Ph.D.
• Oponent: doc. Mgr. Pavel Rychlý, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / odbor:
Informatics / Artificial Intelligence and Natural Language Processing