Extrakce jazykových informací z Wikipedie
Extraction of linguistic information from Wikipedia
Type of document
diplomová prácemaster thesis
Author
Andriy Nazim
Supervisor
Dojčinovski Milan
Opponent
Kroha Petr
Field of study
Web and Software EngineeringStudy program
Informatics (in English)Institutions assigning rank
katedra softwarového inženýrstvíRights
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.htmlVysokoškolská 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
Metadata
Show full item recordAbstract
DBpedia je komunitní úsilí, jehož cílem je získávání informací z Wikipedie a poskytování těchto informací ve strojově čitelném formátu. V současné době jsou informace obsažené v DBpedii primárně odvozeny pro polostrukturované zdroje, jako jsou infoboxy Wikipedia. V textech článku Wikipedie je však stále skryto obrovské množství informací. V této práci prezentuji přístupy k extrahování lingvistických informací z DBpedie, které jsou založeny na kombinování a analýze zdrojů DBpedie - datasetů a výsledky magisterského projektu jsou datové sady jazykových informací: synonyma, homonyma, sémantické vztahy a synonyma mezi jazyky . Můj projekt také věnuje zvláštní pozornost čištění, filtrování vytvořených datových souborů a jeho vyhodnocení bylo provedeno taky vytvořením jednoduché webové aplikace pro dotazování výsledků. DBpedia is a crowd-sourced community effort which aims at the extraction of information from Wikipedia and providing this information in a machine-readable format. Currently, the information contained in DBpedia is primarily derived for semi-structured sources such as Wikipedia infoboxes. However, vast amount of information is still hidden in the Wikipedia article texts. In this Thesis, I present approaches for extracting linguistic information from DBpedia, which are based on combining and parsing DBpedia sources - datasets and the results of the Master Project are datasets of linguistic information: synonyms, homonyms, semantic relationships, and inter-language synonyms. My project also pays special attention to cleaning, filtering of produced datasets, and its evaluation was carried out also by developing a Simple Web-Application for querying results.
Collections
- Diplomové práce - 18102 [1005]