Automatická extrakce klíčových slov pomocí metod trénovaných bez učitele

Bc. Karel ZÍBAR

Master's thesis

Unsupervised methods for automatic keyword extraction

Anotácia:

Tato práce se zabývá různými přístupy extrahování klíčových slov z textových dokumentů. Celkem byly implementovány tři dobře známé metody - TF-IDF, LDA a GloVe (extrakce pomocí reprezentace slov vektory GloVe). Jejich algoritmy byly lehce upraveny tak, aby metody mohly využívat více příznaků než před tím. Byla také navržena vlastní metoda (označena jako ZKEM) kombinující všechny výše zmíněné přístupy a otestována stejným způsobem. Všechny tyto metody byly testovány a srovnány s metodami, účastnících se mezinárodní programovací soutěže SemEval 2010. Nejlepší metoda (vylepšená metoda TF-IDF) dosáhla úspěšnosti 25,95 %. Tento výsledek by stačil na druhé místo v soutěži SemEval.

Abstract:

This thesis deals with different approaches to keyword extraction from text documents. Three well-known methods have been implemented - TF-IDF, LDA and GloVe (keyword extraction by representing words as GloVe's vectors). Their algorithms have been slightly improved so that the methods can use more features. Finally, a new method (denoted as ZKEM), combining all three approaches mentioned above, has been created and properly evaluated in the same way as the others. All methods have been tested and compared with the algorithms participated at international programming competition SemEval 2010. The best method (improved TF-IDF) has achieved 25.95% accuracy. This result would be enough to take second place at SemEval competition.

Kľúčové slová

Metody extrakce klíčových slov trénované bez učitele, TF-IDF, LDA, GloVE, SemEval 2010

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 15. 5. 2017

Zverejniť od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedúci: Ing. Tomáš Brychcín, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Master programme / odbor:
Computer Science and Engineering / Software Engineering