Extrakcia pomenovaných entít z českých textov pomocou zoznamov entít

Bc. Alžbeta Strompová

Diplomová práce

Named Entity Recognition from Czech Texts using Gazetteers

Abstract:

This work deals with the recognition and extraction of named entities from Czech texts using gazetteers. The thesis describes the generation of gazetteers and the implementation of two approaches to their integration into the model, specifically the enlargement of training data and the expansion of embedding vectors. The results do not show significant improvement with the enlargement of training data. Conversely, the use of expanded embedding vectors achieves slight improvement without increasing training demands. The work includes a web application to try out the best model found, as well as a description of deploying the web application using HuggingFace.

Abstract:

Táto práca sa zaoberá rozpoznaním a extrakciou pomenovaných entít z českých textov s využitím zoznamov pomenovaných entít. V práci je popísane generovanie zoznamov pomenovaných entít a implementované dva prístupy ich integrácie do modelu, konkrétne zväčšenie treningových dát a rozšírenie embedding vektorov. Výsledky neukazujú výrazné zlepšenie pri zväčšení tréningových dát. Naopak použitie rozšírených rozšírených embedding vektorov dosahuje jemné zlešenie bez zvýšenia nárokov na tréning. Súčasťou práce je webová aplikácia na vyskúšanie najlepšieho najdeného modelu a zároveň popis nasadenia webovej aplikácie pomocou HuggingFace.

Klíčová slova

ner, gazetteers, zoznamy pomenovaných entít, čeština, HuggingFace

Jazyk práce: slovenština

Datum vytvoření / odevzdání či podání práce: 21. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 19. 6. 2024
• Vedoucí: doc. RNDr. Aleš Horák, Ph.D.
• Oponent: RNDr. Zuzana Nevěřilová, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Umělá inteligence a zpracování dat / Strojové učení a umělá inteligence