85 lines
4.1 KiB
Markdown
85 lines
4.1 KiB
Markdown
---
|
|
title: Than Trung Thanh
|
|
published: true
|
|
taxonomy:
|
|
category: [bp2021]
|
|
tag: [demo,nlp, named entity, ne, spacy, prodigy, anotation]
|
|
author: Daniel Hladek
|
|
---
|
|
# Than Trung Thanh
|
|
|
|
## Bakalársky projekt 2020
|
|
|
|
Rozpoznávanie pomenovaných entít v slovenskom jazyku pomocou nástrojov Spacy a Prodigy
|
|
|
|
- Tvorba korpusu a modelu pomocou nástrojov Spacy a Prodigy
|
|
- Práca na internom projekte [rozpoznávanie pomenovaných entít](https://git.kemt.fei.tuke.sk/KEMT/zpwiki/src/branch/master/pages/topics/named-entity).
|
|
- Využite [existujúci model](https://git.kemt.fei.tuke.sk/dano/spacy-skmodel).
|
|
|
|
Podobná práca:
|
|
|
|
- [Jakub Maruniak](/students/2016/jakub_maruniak)
|
|
|
|
Ciel je práce je zlepšiť presnosť rozpoznávania pomenovaných entít pre slovenský jazyk.
|
|
Presnosť je možné zlepšiť pomocou nových trénovacích dát alebo pomocou zlepšenia procesu trénovania.
|
|
|
|
Predbežné zadanie:
|
|
|
|
- Vypracujte teoretický úvod, kde vysvetlíte čo je to rozpoznávanie pomenovaných entít a akými najnovšími metódami sa robí.
|
|
- Vysvetlite, ako pracuje klasifikátor pre rozpoznávanie pomenovaných entít v knižnici Spacy .
|
|
- Pomocou nástroja Prodigy anotujte dostatočné množstvo textu pre výskyt pomenovaných entít.
|
|
- Pomocou nástroja Spacy vytvorte a vyhodnoťte model pre rozpoznávanie pomenovaných entít v slovenčine. Zistite, ako Vami anotované dáta zlepšili presnosť vytvoreného modelu.
|
|
- Navrhnite spôsoby pre ďalšie zlepšenie presnosti modelu pre rozpoznávanie pomenovaných entít.
|
|
|
|
|
|
Stretnutie 8.2.2020:
|
|
|
|
Stav:
|
|
- Anotovaných 1000 anotácií (3 dni).
|
|
- Prečítané články a spracovaný rešerš na 3,5 strany.
|
|
|
|
Do ďalšieho stretnutia:
|
|
|
|
- Pracovať na zlepšení písomného prejavu.
|
|
- Nájsť odborné články z dokumentácie Spacy, ku každému napísať bibliografický odkaz a čo ste sa dozvedeli do prehľadu.
|
|
- Prepracovať rešerš kompletne - odstrániť sémantické aj gramatické chyby.
|
|
- Prečítajte si a napíšte poznámky z: Li, Jing, et al. "A survey on deep learning for named entity recognition." IEEE Transactions on Knowledge and Data Engineering (2020).
|
|
|
|
Stretnutie 28.1.2020:
|
|
|
|
Stav:
|
|
- Preštudované Spacy a Prodigy.
|
|
- Pokus o spracovanie XML dump Wikipédia.
|
|
- Prečítané blogy.
|
|
- Urobená prezentácia.
|
|
- Natrénovaný model.
|
|
|
|
Úlohy:
|
|
|
|
- Začať pracovať na písomnej časti. Prečítajte si niekoľko nových odborných článkov a napíšte čo ste sa dozvedeli na minimálne 4 strany.
|
|
- Schmitt, Xavier, et al. "A replicable comparison study of NER software: StanfordNLP, NLTK, OpenNLP, SpaCy, Gate." 2019 Sixth International Conference on Social Networks Analysis, Management and Security (SNAMS). IEEE, 2019.
|
|
- Partalidou, Eleni, et al. "Design and implementation of an open source Greek POS Tagger and Entity Recognizer using spaCy." 2019 IEEE/WIC/ACM International Conference on Web Intelligence (WI). IEEE, 2019.
|
|
- Fernández-Pedauye, Julio, et al. "Enhancing the spaCy Named Entity Recognizer for Crowdsensing." Intelligent Environments 2020: Workshop Proceedings of the 16th International Conference on Intelligent Environments. Vol. 28. IOS Press, 2020.
|
|
- Nájdite si sami ďalšie články.
|
|
|
|
Osobné stretnutie 23.9.2020
|
|
|
|
Úlohy do ďalšieho stretnutia:
|
|
|
|
- preštudujte si, čo je to rozpoznávanie pomenovaných entít a ako sa robí, prečítajte si aj odborné články a knihy. Informácie získate zadaním hesla "named entity recognition".
|
|
- Nainštalujte si prostredie Anaconda.
|
|
- Nainštalujte si a spustite trénovanie [existujúceho modelu](https://git.kemt.fei.tuke.sk/dano/spacy-skmodel).
|
|
- preštudujte materiály:
|
|
- https://git.kemt.fei.tuke.sk/KEMT/zpwiki/src/branch/master/pages/topics/nlp
|
|
- https://git.kemt.fei.tuke.sk/KEMT/zpwiki/src/branch/master/pages/topics/python
|
|
- https://git.kemt.fei.tuke.sk/KEMT/zpwiki/src/branch/master/pages/topics/prodigy
|
|
|
|
Dalšie stretnutie odporúčam o 2 týždne.
|
|
|
|
Konzultácie sa budú konakť minimálne raz za dva týždne, menej ako 6 konzutácií za semester je dôvodom pre zníženie hodnotenia semester je dôvodom pre zníženie hodnotenia alebo neudelenie zápočtu.alebo neudelenie zápočtu.
|
|
|
|
|
|
|
|
|
|
|