Metody strojového učení pro extrakci novinových článků ze souborů PDF
Machine Learning for News Article Layout Extraction from PDF Files
Type of document
diplomová prácemaster thesis
Author
Tomáš Zach
Supervisor
Drchal Jan
Opponent
Buk Zdeněk
Field of study
Softwarové inženýrstvíStudy program
Otevřená informatikaInstitutions assigning rank
katedra počítačůRights
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
Tato práce se zabývá metodami strojového učení pro extrakci rozložení novinový článků ze souborů PDF. Nejdříve jsou představeny některé stávající metody extrakce následované teoretickým základem týkajícím se umělé inteligence a klasifikace. Dále je zde zmíněna tvorba veřejné datové sady, včetně nástrojů k jejímu zpracování. Následuje představení použitých technologií a konečně samotný Multiple Instance Learning model neuronové sítě, na kterém je provedena řada experimentů zakončená jejich vyhodnocením. This work deals with machine learning methods for layout extraction of newspaper articles from PDF file. At first, some existing methods of layout extraction followed by theoretical background concerning artificial intelligence and clasification are introduced. Next creation of public dataset is done, including tools for its processing. Then used technologies are introduced and finally the Multiple Instance Learning model of neural network, which undergoes series of experiments finished with evaluation.
Collections
- Diplomové práce - 13136 [892]