Kdo, co, o čem - TextVis aneb vizualizace obsahu textu

Bc. Radek Mejzlík

Bachelor's thesis

Who, What, about What - TextVis or Text Content Visualisation

Anotácia:

Práce se zabývá problematikou automatické extrakce informací z nestrukturovaných textů v přirozeném jazyce jako jsou příspěvky na sociálních sítích či novinové články. Praktickou část práce tvoří analýza, návrh a implementace systému pro extrakci informací s názvem TextVis. Součástí systému je konzolová aplikace, jejímž účelem je identifikace entit a vztahů v česky psaných textech, analýza polarity daných textů a následná vizualizace získaných informací v podobě tabulky či síťového grafu. Tento graf navíc systém uživateli dovoluje upravit dle jeho libosti. Dostupná je také webová aplikace pro snadnější použití systému. Teoretická část práce pak nabízí kromě popisu vlastního systému také shrnutí přístupů a technik používaných v oblasti extrakce informací, stejně tak jako přehled podobných projektů vytvořených ve světě. V závěru práce je čtenář seznámen s vyhodnocením úspěšnosti vyvinutého systému na skutečných textech jak z hlediska přesnosti systémem extrahovaných informací, tak z pohledu časové náročnosti samotné analýzy.

Abstract:

The thesis explores the field of automatic information extraction from unstuctured natural language texts such as social media posts or news articles. The practical part of the thesis consists of the analysis, design and implementation of an information extraction system named TextVis. The system comes with a console application whose purpose is the detection of entities and their relations in Czech texts, the sentiment analysis of given texts and the subsequent visualization of extracted data in the form of a table or in a network graph, which can be modified by users to their heart's content. For easier use of the system, a web application is also available. The theoretical part of the thesis in addition to the description of the system itself offers an overview of the different approaches and methods used in information extraction, as well as an overview of similar software that has already been developed before. At the end of the thesis, readers are presented with the evaluation of the developed system in terms of accuracy of the information extracted as well as the time complexity of the analysis.

Kľúčové slová

analýza a zpracování textu, dolování z textu, vizualizace, zpracování přirozeného jazyka, extrakce informací, rozpoznávání pojmenovaných entit, extrakce vztahů, analýza sentimentu, webová aplikace, síťový graf, D3.js

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 19. 5. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 28. 6. 2022
• Vedúci: doc. RNDr. Aleš Horák, Ph.D.
• Oponent: RNDr. Adam Rambousek, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / odbor:
Applied Informatics / Applied Informatics