Named Entity Recognition in Historical Text Documents

Milan VACEK

Bakalářská práce

Abstract:

The aim of the thesis was to study provided data sets and relevant methods of named entity recognition based on neural networks. Thanks to gathered information there were chosen two most suitable methods for named entity recognition. These methods were convolutional BLSTM network with standalone and transfer learning. For both of this methods working prototype of named entity recognition system was be created for each of this methods.

Abstract:

Cílem práce bylo prostudovat dodané datové kolekce a relevantní metody rozpoznávání pojmenovaných entit založené na neuronových sítích. Díky takto získaných poznatků byly zvoleny dvě nejvhodnější metody pro rozpoznávání pojmenovaných entit. Tyto metody byly konvoluční BLSTM síť trénovaná samostatně a s přenosem znalostí (tzv. transfer learning). Pro každou z těchto metod byl vytvořen funkční prototyp systému pro rozpoznání pojmenovaných entit.

Keywords

Zpracování přirozeného jazyka, Rozpoznání jmenných entit, Neuronové sítě, Konvoluční neuronové sítě, Rekurentní neuronové sítě

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 7. 5. 2020

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Doc. Ing. Pavel Král, Ph.D.

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Bakalářský studijní program / obor:
Inženýrská informatika / Informatika