Better Web Corpora For Corpus Linguistics And NLP – RNDr. Vít Suchomel
RNDr. Vít Suchomel
Doctoral thesis
Better Web Corpora For Corpus Linguistics And NLP
Better Web Corpora For Corpus Linguistics And NLP
Anotácia:
Počítačoví lingvisté využívají internet jako zdroj obrovského množství textových dat k rozličným úkolům zpracování přirozeného jazyka a jazykovým studiím. Internetové korpusy můžeme vytvářet ve velikostech steží dosažitelných pomocí tradičních metod sestavování korpusů. Tato práce představuje stahovač navržený k získávání textů z internetu. Umožňuje sestavovat velké textové korpusy pro úlohy zpracování …viacAbstract:
The internet is used by computational linguists, lexicographers and social scientists as an immensely large source of text data for various NLP tasks and language studies. Web corpora can be built in sizes which would be virtually impossible to achieve using traditional corpus creation methods. This thesis presents a web crawler designed to obtain texts from the internet allowing to build large text …viac
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 4. 5. 2020
Identifikátor:
https://is.muni.cz/th/u4rmz/
Obhajoba závěrečné práce
- Obhajoba proběhla 8. 7. 2020
- Vedúci: doc. Mgr. Pavel Rychlý, Ph.D.
- Oponent: doc. Mgr. Václav Cvrček, Ph.D., Dr. Serge Sharoff
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasaryk University
Faculty of InformaticsDoctoral programme / odbor:
Informatics (4-years) / Computer Systems and Technologies
Práce na příbuzné téma
-
Building Spam Free Web Corpora
Vít Suchomel -
Corpora from reddit.com texts
Jan Brichta -
Removing Boilerplate and Duplicate Content from Web Corpora
Jan Pomikálek -
Building parallel corpora from the Web
Jan Pomikálek -
Academic book reviews in English and Czech: a contrastive genre analysis
Barbora HRUŠKOVÁ