Automatická extrakce konkordancí z Internetu
| Název práce v češtině: | Automatická extrakce konkordancí z Internetu |
|---|---|
| Název v anglickém jazyce: | Automatic concordance extraction from the Internet |
| Klíčová slova: | automatická extrakce, konkordance, internet |
| Klíčová slova anglicky: | automatic extraction, concordance, internet |
| Akademický rok vypsání: | 2014/2015 |
| Typ práce: | bakalářská práce |
| Jazyk práce: | čeština |
| Ústav: | Ústav formální a aplikované lingvistiky (32-UFAL) |
| Vedoucí / školitel: | RNDr. Vincent Kríž, Ph.D. |
| Řešitel: | Mgr. Dominik Macháček - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 17.06.2015 |
| Datum zadání: | 18.06.2015 |
| Datum potvrzení stud. oddělením: | 25.06.2015 |
| Datum a čas obhajoby: | 16.06.2016 00:00 |
| Datum odevzdání elektronické podoby: | 27.05.2016 |
| Datum odevzdání tištěné podoby: | 27.05.2016 |
| Datum proběhlé obhajoby: | 16.06.2016 |
| Oponenti: | doc. Mgr. Barbora Vidová Hladká, Ph.D. |
| Konzultanti: | doc. Mgr. Barbora Vidová Hladká, Ph.D. |
| Zásady pro vypracování |
| Zvolme libovolné cílové slovo v libovolném jazyce. Cílem práce je z Internetu automaticky extrahovat věty, které obsahují zadané cílové slovo. Hlavním cílem je navrhnout a implementovat open-source aplikaci, které na vstupu zadáme cílové slovo a počet vět. Aplikace se následně pokusí požadované množství konkordancí vyhledat a stáhnout.
Úkolem řešitele bude především: (1) analyzovat a evaluovat vhodné Internetové zdroje pro získávání konkordancí; (2) analyzovat a evaluovat dostupné knihovny v Pythonu pro prohledávaní webu; (3) analyzovat a evaluovat strategie pro automatickou segmentaci věty; (3) navrhnout a implementovat: a) knihovnu pro vyhledávání a stahovaní relevantních dokumentů; b) knihovnu pro extrakci věty z dokumentu; c) knihovnu pro určení jazyka a kódování věty; d) konzolovou aplikaci pro Linux, která umožní uživatelům zadat cílové slovo a uložit extrahované věty; e) webové rozhraní, které umožní uživatelům zadat extrakční úkol a následně sledovat stav extrakce; (4) publikovat knihovnu a aplikace jako open-source balíček na pypi.python.org. |
| Seznam odborné literatury |
| [1] http://en.wikipedia.org/wiki/Concordance_(publishing)#Use_in_linguistics
[2] Tony McEnery, Andrew Hardie: Corpus Linguistics: Method, Theory and Practice. Cambridge University Press, 6. 10. 2011 |