zpwiki/pages/students/2016/jan_holp/README.md

---
title: Ján Holp
published: true
taxonomy:
    category: [dp2021,bp2019]
    tag: [ir,nlp,pagerank]
    author: Daniel Hladek
---
# Ján Holp

*Rok začiatku štúdia*: 2016

## Diplomová práca 2021

*Názov diplomovej práce*: Systém získavania informácií v slovenskom jazyku.

*Meno vedúceho*:  Ing. Daniel Hládek, PhD.

*Zadanie diplomovej práce*:

1. Vypracujte prehľad metód ohodnotenia dokumentov v systémoch získavania informácií.
2. Implementujte jednoduchý systém pre získavanie informácií v slovenskom jazyku, v ktorom využijete ohodnotenie dokumentov.
3. Navrhnite a vypracujte experimenty, v ktorých vyhodnotíte vybrané metódy odhodnotenia dokumentov.
4. Navrhnite možné zlepšenia presnosti vyhľadávania.

Stretnutie 12.3.

Stav:

- Implementovaný PageRank, indexovanie webových stránok

Úlohy:

- Pripravte experiment s PageRank, databáza SCNC2, vyhodnotenie pomocou P-R-F1
- Pozrite do knihy na metódy vyhodnotenta s PageRank
- Pozrite do knihy a skúste pripraviť inú metriku.
- Popri tom priprave demonštráciu s webovým rozhraním.

## Diplomový projekt 2  2020

Zásobník úloh:

- Urobiť verejné demo - nasadenie pomocou systému Docker. Využiť veľké slovenské dáta z internetu.
- zlepšenie Web UI
- vytvoriť REST api pre indexovanie dokumentu.
- V indexe prideliť ohodnotenie každému dokumentu podľa viacerých metód, napr. PageRank
- Využiť vyhodnotenie pri vyhľadávaní

- **Použiť overovaciu databázu SCNC na vyhodnotenie každej metódy**
- **Do konca zimného semestra vytvoriť "Mini Diplomovú prácu cca 8 strán s experimentami" vo forme článku**

Virtuálne stretnutie 7.1.2020:

Dohoda na zmene smerovania práce. Chceme:
- Rozšíriť BP o vyhľadávanie pomocou PageRank
- Doplniť pagerank do indexu z BP
- zakomponovať Pagerank do vyhľadávania a zistiť ako to ovplyvnilo P-R
- Implementovať podobným spôsobom minimálne jednu ďalšiu metriku zo študijnej literatúry
- Zásobník úloh ostáva ak bude čas. Napr. vyrobiť demo aj z BP.

Virtuálne stretnutie 18.12:2020:

Žiaden pokrok.

Virtuálne stretnutie 3.1ľ:2020:

Riešenie technických problémov ako implementovať PageRank.

Virtuálne stretnutie 13.11:2020:

Stav: 

- Vyriešené technické problémy s cassandrou. Vieme indexovať z Cassandra do ES.

Úlohy na ďalšie stretnutie:

- urobte návrh metódy PageRank.
- priprave Vaše kódy do formy web aplikácie a dajte ich do repozitára.
    - backend s REST API.
    - frontend s Javascriptom.
    - skúste pripraviť Dockerfile s Vašou aplikáciou.

Virtuálne stretnutie 6.11:2020:

Stav:

- Riešenie problémov s cassandrou a javascriptom. Ako funguje funkcia then? 

Úlohy na ďalšie stretnutie:

- vypracujte funkciu na indexovanie. Vstup je dokument (objekt s textom a metainformáciami). Fukcia zaindexuje dokument do ES.
- Naštudujte si ako funguje funkcia then a čo je to callback.
- Naštudujte si ako sa používa Promise.
- Naštudujte si ako funguje async - await. 
- https://developer.mozilla.org/en-US/docs/Learn/JavaScript/Asynchronous/



Virtuálne stretnutie 23.10:2020:

Stav:
- Riešenie problémov s cassandrou. Ako vybrať dáta podľa primárneho kľúča.

Do ďalšiehio stretnutia:

- pokračovať v otvorených úlohách.
- urobte funkciu pre indexovanie jedného dokumentu.

Virtuálne stretnutie 16.10.

Stav:

- Riešenie problémov s pripojením na Cassandru.
- Riešenie spôsobu výberu dát z databázy a indexovanie.

Do ďalšieho stretnutia:

- Pokračovať v otvorených úlohách z minulého stretnutia.

Virtuálne stretnutie 2.10.2020

Urobené:

- Výber a indexovanie dát z Cassandry

Do ďalšieho stretnutia:

- pracovať ďalej na indexovaní, použite Cassandra Javascript API
- urobte návrh metódy PageRank
- urobte si GIT repozitár nazvite ho dp2021 a dajte tam zdrojové kódy
- priprave Vaše kódy do formy web aplikácie
    - backend s REST API
    - frontend s Javascriptom
    - skúste pripraviť Dockerfile s Vašou aplikáciou




## Diplomový projekt 2020


Virtuálne stretnutie 23.6.2020:

Hotové:

- funguje databáza Cassandra
- funguje web rozhranie
- funguje indexovanie zo súboru.

Výsledky sú v [ZIP súbore](./dp2021/zdrojove_subory/skweb.zip)

Treba dokončiť:

- Indexovanie z Cassandra do ES

Virtuálne stretnutie 14.5.2020:

Nové úlohy:

- Rozbehať Cassandra DB a agenta pre získavanie textu
- Indexovať dokumnety z Cassandra DB do Elasticsearch
- Pokračovať na práci na Web rozhraní
- Doriešiť obnovenie slovenskej konfigurácie

Urobené:

- rozrobené web rozhranie
- rozrobené indexovanie do ElasticSearch

Revízia 13.5.2020:

- Potrebné skompletizovať zdrojové kódy.
- Nová verzia agenta pre získavanie textu: https://git.kemt.fei.tuke.sk/dano/websucker-pip

Revízia 9.4.2020:

*Návod na prácu s Elasticsearch* : [Návod](./dp2021/navod.md) 

*Návod na spustenie web aplikácie* : [Návod](./dp2021/web_api.md) 

*Záznam o doterajšom pokroku*  : [Pokrok](./dp2021/pokrok.md) 

Úloha: 

- Nainštalujte si a oboznámte sa s [agentom pre získavanie textu](https://git.kemt.fei.tuke.sk/dano/websucker). 
- Zistite, aká je štruktúra dokumentov v indexoch.
- vytvorte návrh a prototyp webovej aplikácie ktorá bude slúžiť ako rozhranie k vyhľadávaciemu indexu.


Stretnutie 20.2.2020

Úlohy na tento semester:

- Nainštalovať Elasticsearch a zindexovať veľkú databázu dát z webu.
- Nájsť spôsob ako vytvoriť verejne prístupné demo.

Do ďalšieho stretnutia:

- Vytvorte git repozitár a dajte tam výsledky z bakalárskej práce. Vytvorte k tomu návod.
- Porozmýšľajte nad HTML používateľským rozhraním.


## Tímový projekt 2019

*Písomná práca* : [Rešerš](./timovy_projekt) 


*Úlohy tímového projektu*: 

- Vypracujte min. 4 stranový abstrakt z knihy "Hang Li: Learning to Rank for Information Retrieval and Natural Language Processing"
- Sústreďte sa najprv na algoritmus PageRank a BM25
- citujte 10 najvýznamnejších bibliografických zdrojov



### Poznámky k vypracovaniu DP

- možnosť pracovať s veľkými dátami Elasticsearch, je nutné sprevádzkovať ES Cluster.
- možnosť vypracovať jednoduché demo web vyhľadávača
- inšpirácia Agent pre získavanie textu "dano/websucker"
- Pozrite si Python knižnice pre elasticsearch, a information retrieval (pagerank a pod.)



## Bakalárska práca 2019

*Meno vedúceho*: Ing. Daniel Hládek, PhD.

*Názov bakalárskej práce*: Vyhľadávač na slovenskom internete

*Text bakalárskej práce*: (https://opac.crzp.sk/?fn=detailBiblioForm&sid=A4CA3C451D400D4BD034603141D1)

*Zadanie bakalárskej práce*: 

1. Zostaviť prehľad aktuálnych metód vyhľadávania v textových dátach a metód vyhodnotenia presnosti. 
2. Navrhnúť a opísať vlastnú metódu indexovania a vyhľadávania v slovenskom texte. 
3. Navrhnúť a vykonať sadu experimentov pomocou ktorých sa vyhodnotí navrhnutá metóda indexovania a vyhľadávania.
4. Na základe experimentov navrhnúť vylepšenia navrhnutej metódy vyhľadávania.


[Bakalárska práca 2018 - Vyhľadávač na slovenskom internete](https://opac.crzp.sk/?fn=detailBiblioForm&sid=A4CA3C451D400D4BD034603141D1)