zz

pages/students/2022/valerii_kutsenko/README.md

@@ -24,6 +24,43 @@ Možné úlohy:
 - Zostavte multilinguálny znalostný graf, ktorý môže pomôcť pri generovaní.
 - Napíšte vedecký článok.
 
+Stretnutie 27.10.2026
+
+Stav:
+
+- Vyhodnotenie grafov - napr. pomocou korpus Re-DocRED - korpus z wikipédie, označené entity a vytvorené triplety. Hodnotí sa úloha NER, úloha určenia vzťaho ak sú entity známe a úloha vytvorenia tripletov. 
+- Anotácia EMA datasetu -pripravený postup tvorby znalostného grafu z datasetu pomocou LLM, in progress. Toto je dobré konzultovať s Olehom Poiasnikom - robí niečo podobné, aby dal kódy a dáta. 
+- Vyhodnotneie KG sa robí porovnaním extrahovaných a človekom overených  faktov a extrahovaných tripletov. 
+
+Analýza z článku: KGGen : Extracting KG from plain text with Language Models.
+
+Problém:
+
+- potrebujeme prepísať fakt do tripletu a tiež triplet ako fakt. Ako veľmi dobre to vie LLM robiť?
+- potrebujeme v dokumente idtentifikovať fakty. Ak  vieme identifikovať fakty a fakty vieme prepísať na triplety tak je problém vyriešený. Overenie je spätný proces - ako veľmi významovo sa podobá prepis faktov a ručne identifikované fakty?
+
+
+Automatická tvorba KG:
+
+1. Identifikujeme pomenované entity
+2. O každej entite zistíme fakty z dokumentu. Fakty môžu byť obmedzené na nejakú oblasť, napr. indikácie lieku.
+3. Fakty premeníme na triplety.
+
+
+Skúška správnosti:
+
+1. Triplety prepíšeme na fakty.
+2. V dokumente hľadáme podporu pre fakty.  
+3. V dokumente hľadáme také fakty, ktoré nie sú podporené znalostným grafom.
+
+Úlohy:
+
+- Porozprávajte sa s Olehom P.
+- Vyberte jeden príbalový leták a ručne z neho extrahujte fakty. Sústredte sa na vybrané oblasti - Indikácie, Kontraindikácie, Účinná látka, Dávkovanie,
+- Navrhnite postup na automatickú tvorbu KG z letáku pomocou identifikácie faktov a následnej tvorbe KG.
+- Navrhnite metriku na vyhodnotenie KG pomocou "zlatej" množiny faktov.
+
+
 Stretnutie 2.10.2026
 
 Stav: