Framework pro extrakci obsahu článků z Wikipedie
Framework for Extraction of Wikipedia Articles Content
dc.contributor.advisor | Dojčinovski Milan | |
dc.contributor.author | Oleksandr Husiev | |
dc.date.accessioned | 2022-03-10T23:51:18Z | |
dc.date.available | 2022-03-10T23:51:18Z | |
dc.date.issued | 2022-03-10 | |
dc.identifier | KOS-1242023293605 | |
dc.identifier.uri | http://hdl.handle.net/10467/100074 | |
dc.description.abstract | Tato diplomová práce se zabývá extrakcí obsahu Wikipedie pro DBpedia - crowd-sourced projekt. Hlavním cílem této práce bylo vyvinout rámec pro extrakci obsahu, struktury a anotací článků z Wikipedie. Výsledkem je framework, který zpracovává velké skládky XML na Wikipedii v několika populárních jazycích s možností dynamicky přidávat nové jazyky a vytváří čistý textový výstup, odkazy a strukturu stránky ve formátu N-Triples. | cze |
dc.description.abstract | This thesis describes the development process of the extraction of Wikipedia articles content for a DBpedia, a crowd-sourced community effort. The main goal of this thesis was to develop a framework for extraction of Wikipedia articles content, structure, and annotations. The result is a framework that processes large Wikipedia XML dumps in several popular languages, with the possibility to dynamically add new languages, and produces clean text output, links, and page structure in N-Triples format. | eng |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.rights | A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html | eng |
dc.rights | Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html | cze |
dc.subject | NIF | cze |
dc.subject | RDF | cze |
dc.subject | propojená data | cze |
dc.subject | web škrábání | cze |
dc.subject | NIF | eng |
dc.subject | RDF | eng |
dc.subject | linked data | eng |
dc.subject | web scraping | eng |
dc.subject | knowledge graph | eng |
dc.title | Framework pro extrakci obsahu článků z Wikipedie | cze |
dc.title | Framework for Extraction of Wikipedia Articles Content | eng |
dc.type | diplomová práce | cze |
dc.type | master thesis | eng |
dc.contributor.referee | Smítková Janků Ladislava | |
theses.degree.discipline | Webové a softwarové inženýrství | cze |
theses.degree.grantor | katedra softwarového inženýrství | cze |
theses.degree.programme | Informatika 2010 | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Diplomové práce - 18102 [1006]