175 lines
6.2 KiB
Markdown
175 lines
6.2 KiB
Markdown
---
|
|
title: Bakalársky projekt 2019/2020
|
|
published: true
|
|
---
|
|
|
|
# Bakalársky projekt 2019/2020
|
|
|
|
- Vedúci: Daniel Hládek
|
|
- odporúčaný čas konzultácie: štvrtok o 9:00
|
|
- Oblasť výskumu: Spracovanie prirodzeného jazyka
|
|
|
|
# Ciele
|
|
|
|
- oboznámiť sa so základmi spracovania prirodzeného jazyka
|
|
- naučiť sa pracovať s [odbornou literatúrou](../zp)
|
|
|
|
# Výstupy
|
|
|
|
- článok na vybranú tému
|
|
- praktická aplikácia (demo, krátky program)
|
|
- [Odovzdanie cez Moodle](https://moodle.tuke.sk/moodle35/course/view.php?id=872&noprocess) heslo je BP2019
|
|
|
|
# Témy
|
|
|
|
- Anotácia lingvistického korpusu : Andrej Hopko
|
|
- Identifikácia pomenovaných entít v slovenskom jazyku: Ediz Morochovič (študent na mobilite)
|
|
- Identifikácia pomenovaných entít v prirodzenom jazyku s pomocou neurónových sietí: Kyryl Kobzar
|
|
- Rekurentné neurónové siete pre jazykové modelovanie a generovanie prirodzeného jazyka: Stanislav Matsunych
|
|
- Jednoduchý chatbot v jazyku Python: Dymitro Ushatenko
|
|
- Automatická oprava preklepov: Peter Maľar
|
|
|
|
# Stretnutia
|
|
|
|
- 10.10 - Hopko, Matsunych, Kobzar
|
|
- 17.10 - Hopko, Pavlišin, Matsunych, Kobzar, Ushatenko (Prečítať knihu, prejsť Spacy tutoriál, nainštalovať Anaconda)
|
|
- 21.10. - Maľar
|
|
- 24.10 - Pracovná cesta
|
|
- 28.10 o 9:30 -
|
|
- 31.10 - Dekanské voľno
|
|
- 4.11. - Hopko
|
|
- 7.11 - Maľar, Ushatenko
|
|
- 14.11 - Odovzdanie draftu reportu
|
|
|
|
# Andrej Hopko
|
|
|
|
- Práca pomocou "Anaconda Prompt"
|
|
- Vyskúšať "python -m spacy" podľa tutoriálu na stránke
|
|
- Oboznámiť sa s https://prodi.gy/ (využíva spacy) a nainštalovať (python wheel)
|
|
|
|
28.10
|
|
|
|
- Na idoc.fei.tuke.sk nainštalovať [Minoconda](https://repo.anaconda.com/miniconda/)
|
|
- pozrite si "python virtualenv" a [prostredia conda](https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html)
|
|
|
|
Cieľ:
|
|
|
|
- Vedieť pripraviť textové dáta na anotáciu pomocou Prodigy (textové dáta sa použijú na učenie systému)
|
|
- V prvom semestri bude výstup:
|
|
- Oboznámiť sa "ako písať záverečnú pracu"
|
|
- nainštalovaný systém prodigy
|
|
- Vybratá dátová množina pripravená vo vhodnom formáte.
|
|
- Pripravená anotačná uloha
|
|
- Report o inštalácii Prodigy a príprave anotačnej úlohy na cca 3 strany použiteľný ako návod pre druhých - vysvetlite na čo sú potrebné anotácie a čo je crowdsourcing
|
|
- V reporte spomente aspoň 3 odborné články na tému "crowdsourcing"
|
|
- V druhom semestri - rešerš o príprave trénovacích dát a crowdsourcingu.
|
|
|
|
# Stanislav Matsunych
|
|
|
|
Pozrieť si
|
|
|
|
- https://medium.com/@shivambansal36/language-modelling-text-generation-using-lstms-deep-learning-for-nlp-ed36b224b275
|
|
- https://towardsdatascience.com/character-level-language-model-1439f5dd87fe
|
|
|
|
Prejsť si tutoriál http://karpathy.github.io/2015/05/21/rnn-effectiveness/
|
|
|
|
Cielom je:
|
|
|
|
Vytvoriť jazykový model slovenského jazyka na báze rekurentných neurónových sietí
|
|
|
|
- V prvom semestri bude výstup:
|
|
- jednoduchý program na vytvorenie LM a generovanie znakov z neho
|
|
|
|
- Vypracujte rešerš na tému "Rekurentné neurónové siete na tvorbu jazykových modelov " (LSTM, GRU) cca 10 strán
|
|
|
|
V druhom semestri
|
|
|
|
- dopracovanie práce
|
|
|
|
|
|
# Kyryl Kobzar
|
|
|
|
Cieľom je:
|
|
|
|
Vedieť použiť nástroj Spacy na natrénovanie modelu a rozpoznávanie pomenovaných entít v texte v (anglickom) jazyku
|
|
|
|
Zdroje dát
|
|
|
|
https://lindat.mff.cuni.cz/repository/xmlui/
|
|
|
|
https://lindat.mff.cuni.cz/repository/xmlui/discover?field=subject&filtertype=subject&filter_relational_operator=equals&filter=named+entity+recognition
|
|
|
|
Výstup do prvého semestra:
|
|
|
|
- Tutoriál na cca 3-4 strany ako natrénovať a použiť Spacy na rozpoznávanie pomenovaných entít
|
|
- Rešerš na tému cca 10 strán : "Rozpoznávanie pomenovaných entít" - "named entity recognition", vystetlíte, čo to je, aké metódy sa používajú, ako sa to vyhodnocuje.
|
|
|
|
V druhom semestri:
|
|
|
|
- natrénovanie vlastného modelu na vlastných dátach
|
|
- vyhodnotenie modelu
|
|
- dokončenie práce
|
|
|
|
|
|
# Dmytro Ushatenko
|
|
|
|
Cieľ:
|
|
|
|
Vytvorenie jednoduchého chatbota s použitím toolkitu RASA ktorý bude informovať o zvolenej téme,
|
|
napr. o predmetoch štúdia prvého ročníka programu PS na KEMT:
|
|
|
|
Pomôcka pre začínajúcich študentov:
|
|
|
|
- Čo mám robiť?
|
|
- Aké predmety budem študovať?
|
|
- Ako skončím predmet? (potrebujem zápočet a skúšku)
|
|
|
|
|
|
Úlohy na tento semester:
|
|
|
|
- Prejdite si tutoriál https://rasa.com/docs/rasa/user-guide/rasa-tutorial/
|
|
- Pripravte jednoduchý dialógový systém
|
|
- Pripravte "návod na použitie", kde zapíšete čo ste spravili v tutoriáli
|
|
- Vylepšite Vašu rešerš, dajte dôraz na citovanie zdrojov a na jazykovú stránku.
|
|
|
|
|
|
V druom semestri:
|
|
|
|
- pripravíte si celé demo
|
|
- dookončíte prácu
|
|
|
|
# Peter Maľar
|
|
|
|
|
|
Cieľ:
|
|
|
|
Vytvoriť jednoduchý systém na opravu preklepov na báze neurónových sietí
|
|
|
|
Úlohy na tento semester:
|
|
|
|
- Naštudovať si článok "Sequence to sequence spelling correction..."
|
|
- Nainštalovať a vyskúšať [fairseq](https://github.com/pytorch/fairseq)
|
|
- Prejsť si tutoriál na strojový preklad https://github.com/pytorch/fairseq/blob/master/examples/translation/README.md
|
|
- Vytvorte (prejdite krátky tutoriál - zapisujte čo ste urobili)
|
|
- Skúsiť zopakovať experimenty s použitím systému
|
|
- Vytvorte rešerš na tému "sequence to sequence systémy", "encoder-decoder" neurónové siete (5 strán, min. 5 odborných článkov)
|
|
|
|
# Ediz Morochovič
|
|
|
|
Zadanie BP:
|
|
|
|
1. Vypracujte prehľad štatistických metód identifikácie pomenovaných entít v texte.
|
|
2. Podrobne opíšte zvolenú metódu identifikácie pomenovaných entít v texte
|
|
3. Zvoľte si vhodnú metodiku vyhodnotenia a na vhodnej testovacej množine navrhnite a vykonajte sadu experimentov.
|
|
4. Na základe výsledkov experimentov navrhnite možné zlepšenia.
|
|
|
|
Úlohy:
|
|
|
|
- Nainštalujte si prostredie Anaconda https://www.anaconda.com/
|
|
- Oboznámiť sa so zvoleným štatistickým systémom pre rozpoznávanie pomenovaných entít (https://www.nltk.org/), https://www.nltk.org/install.html, https://stanfordnlp.github.io/CoreNLP/, https://www.nltk.org/book/
|
|
- Zistite použitú štatistickú metódu a podrobne ju opíšte
|
|
- Vypracujte prehľad používaných štatistických metód (maximum entropy, conditional random fields, hidden markov models), min. 5 strán s min. 10 odkazmi na odborné články
|
|
- Navrhnite experimenty a vykonajte ich s rôznymi parametrami systému
|
|
|
|
|