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

134 lines
4.1 KiB
Markdown
Raw Normal View History

# 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.
## Diplomový projekt 2020
2020-06-23 08:29:34 +00:00
Zásobník úloh:
- Urobiť verejné demo - nasadenie pomocou systému Docker
- zlepšenie Web UI
- 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" vo forme článku**
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
2020-06-23 08:29:34 +00:00
- 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)