Automatické zodpovídání dotazů založené na sumarizaci textů

Bc. Tárik SALEH SALEM

Master's thesis

Automated Question Answering Based on a Text Summarization

Abstract:

Úkolem této diplomové práce bylo vytvořit internetový vyhledávač založený na automatické dotazové multidokumentové sumarizaci textů. Práce tento cíl splňuje a výsledkem je webová aplikace ASI využívající latentní sémantickou analýzu pro sumarizaci textů z webových stránek. Aplikace ASI dokáže sumarizaci webových stránek psaných v češtině a angličtině a dovoluje snadné rozšíření o další algoritmy pro vyhledávání. Práce také seznamuje s oblastmi sumarizace textů, internetového vyhledávání, filtrace textů z webových stránek a zpracování přirozeného jazyka, které všechny hrajou důležitou roli.

Abstract:

The objective of this diploma thesis was to develop a search engine based on automatic query-based multidocument summarization of texts. The thesis meets this objective and the result of the work is the ASI web application using a latent semantic analysis for summarization of texts from web pages. The ASI application is able to perform summarization of web pages in Czech and English and allows extension of the application by other searching algorithms. Further, the work deals with the text summarization, internet searching, filtration of text from web pages (boilerplate removal) and natural language processing, which play an important role in this work.

Keywords

sumarizace textů, multidokumentová sumarizace, latentní sémantická analýza, zpracování přirozeného jazyka, filtrování nežádoucího textu z webových stránek, internet, vyhledávání, internetový vyhledávač, java

Language used: Czech

Date on which the thesis was submitted / produced: 17. 5. 2012

Accessible from:: 17. 5. 2012

Thesis defence

• Supervisor: Doc. Ing. Karel Ježek, CSc.

University of West Bohemia

Faculty of Applied Sciences

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