Získávání informací o lidech z korpusu

Mgr. Barbora Ulipová

Bachelor's thesis

Learning information about people from corpus

Abstract:

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.

Keywords

extrakce informací, rozpoznání pojmenovaných entit, rozpoznání vztahů mezi entitami

Language used: Czech

Date on which the thesis was submitted / produced: 25. 5. 2015

Thesis defence

• Date of defence: 4. 6. 2015
• Supervisor: Mgr. Marek Grác, Ph.D.
• Reader: Mgr. Dana Hlaváčková, Ph.D.

Masaryk University

Faculty of Arts

Bachelor programme / field:
Philology / Czech Language with Orientation on Computational Linguistics