Semantics Detection in Partially Structured Sources

• Název práce v češtině: Sémantická analýza částečně stukturovaných zdrojů
• Název v anglickém jazyce: Semantics Detection in Partially Structured Sources
• Akademický rok vypsání: 2009/2010
• Typ práce: diplomová práce
• Jazyk práce: angličtina
• Ústav: Katedra softwarového inženýrství (32-KSI)
• Vedoucí / školitel: RNDr. Filip Zavoral, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 02.11.2009
• Datum zadání: 02.11.2009
• Datum a čas obhajoby: 06.09.2010 00:00
• Datum odevzdání elektronické podoby: 06.09.2010
• Datum proběhlé obhajoby: 06.09.2010
• Oponenti: Mgr. Jan Dědek, Ph.D.

Zásady pro vypracování

Cílem práce je vyvinout metody pro automatickou nebo poloautomatickou detekci nových a změnových dat z internetových zdrojů - e-mailových konferencí, diskusních fór apod.
Práce bude obsahovat tři hlavní části - analýzu možností detekce sémantiky, obecný návrh systému pro získávání strukturovaných dat a jeho pilotní implementaci se zaměřením na konkrétní doménu. Implementovaný systému by měl podporovat:
- obecný mechanismus interpretace uživatelem zadaných extrakčních pravidel
- automatizované zpracování dostupných dat nezávisle na fyzickém zdroji (e-mailové konference, webové stránky apod.)
- synchronizaci dat dostupných z různých zdrojů
- detekci změn a aktualizace extrahovaných dat
- možnost datové integrace s dalšími relevantními projkety
Součástí návrhu by měly být i možnosti automatického rozšíření a úprav extrakčních pravidel na základě skutečně zpracovávaných dat, případně další výstupy vhodné pro automatické zpracování dat.

Seznam odborné literatury

Markov, Larose: Data Mining the Web - Uncovering Patterns in Web Content, Structure, and Usage
Davies, Studer, Warren: Semantic Web Technologies - Trends and Research in Ontology-based Systems
Cardoso, Hepp, Lytras: The Semantic Web: Real-World Applications from Industry