Hybridní systém pro detekci pojmenovaných entit v českém textu

Bc. Lubomír Sedlář

Master's thesis

Hybrid system for named entities recognition in Czech

Anotácia:

Detekce pojmenovaných entit je úloha extrakce informace z textu, která v datech hledá výskyty jmen a dalších odkazů na reálné objekty. Cílem této práce je navrhnout a implementovat hybridní systém založený na slovnících a pravidlech, který bude detekovat pojmenované entity v českém textu. Výsledný systém bude vyhodnocen na existujícím korpusu ručně značkovaných dat pomocí metrik přesnosti, pokrytí a F-míry.

Abstract:

Named entity detection is a task of information extraction. It detects names and other references to real world objects. The goal of this work is to design and implement a hybrid system based on gazeteers and rules, which will detect named entities in Czech text. The system will be evaluated on an existing corpora of hand-tagged entities in terms of precision, recall and F-measure.

Kľúčové slová

rozpoznávání pojmenovaných entit, named entity detection, extrakce informace, information extraction, pojmenované entity, kategorizace

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 21. 5. 2014

Obhajoba závěrečné práce

• Obhajoba proběhla 24. 6. 2014
• Vedúci: RNDr. Zuzana Nevěřilová, Ph.D.
• Oponent: doc. RNDr. Aleš Horák, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / odbor:
Informatics / Artificial Intelligence and Natural Language Processing