Získávání informací o lidech z korpusu

Mgr. Barbora Ulipová

Bakalářská práce

Learning information about people from corpus

Anotace:

Práce se zabývá hledáním informací o vztazích mezi osobami v souvislém textu a neomezené doméně. Zaměřuje se na dva úkoly, které s problémem souvisí. Prvním úkolem je nalezení jmen osob v textu a druhým je nalezení vztahů mezi těmito osobami. Jedná se zejména o příbuzenské vztahy jako otec, matka a vztahy vyjádřené slovy, která mají stejné valence. Práce popisuje, jak mohou jména osob v českém textu vypadat, navrhuje a testuje postupy, kterými je možno odlišit jména osob od ostatních pojmenovaných entit a popisuje gramatické jevy a vlastnosti, na jejichž základě je možno extrahovat informace o vztazích mezi osobami z vět.

Abstract:

The main topic of this work is extraction of information about people from a plain text with a non-specific domain. I focus on two tasks connected to the problem; the first task is finding names of people in a text and the second is finding relationships between them. The relationships are limited to family relationships such as mother, father and relationships which can be described by words with the same or similar valences. I describe how names of people can be written in Czech and suggest methods to distinguish them from other named entities. In the second part I describe grammatical rules which can be used to extract information about people from a sentence.

Klíčová slova

extrakce informací, rozpoznání pojmenovaných entit, rozpoznání vztahů mezi entitami

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 25. 5. 2015

Obhajoba závěrečné práce

• Obhajoba proběhla 4. 6. 2015
• Vedoucí: Mgr. Marek Grác, Ph.D.
• Oponent: Mgr. Dana Hlaváčková, Ph.D.

Masarykova univerzita

Filozofická fakulta

Bakalářský studijní program / obor:
Filologie / Český jazyk se specializací počítačová lingvistika