zpwiki/pages/students/2022/serhii_yemets

title	published	taxonomy
Serhii Yemets	true	category tag author bp2025 ner nlp Daniel Hladek

rok začiatku štúdia: 2022

Bakalárksa práca 2025

Cieľ:

• Zlepšenie slovenského modelu pre rozpoznávanie pomenovaných entít.

Do budúcnosti:

• Vypracovanie webového dema
• Využitie modelu v nejakej zaujímavej úlohe (chatbot alebo právne texty).

Stretnutie 30.10.2024

Stav:

• Napísané texty o NE.
• Vyskúšané a naštudované veci podľa pokynov,
• Začiatok práce na webovom deme.

Úlohy:

• Naštudujte korpusy s NER pre slovenský jazyk. Napíšte ich zoznam. Ku každému napíšte veľkosť (počet viet, slov) a druhy pomenovaných entít.
• Najprv budeme pracovať s ručne anotovanými dátami. Použite ich na natrénovanie modelu typu BERT (napr. SlovakBER alebo mbert) a vyhodnotte ich presnosť.
• Pokračujte v písaní BP. Stručne (max. 1.5 strany) vysvetlite ako funguje transformer. Na google scholar nájdite vedecké články o NER a napíšte čo ste sa z nich dozvedeli. Aké majú výsledky a aké metódy používaju?

Zásobník úloh:

• Natrénujte nový Spacy NER model ktorý by bol lepší ako pôvodný.
• Spojte viacero dátových množin (manuálne anotovaných) do jednej a použite je na natrénovanie modelu.
• Použite veľký jazykový model pre NER anotáciu a porovnajte ho s menším dotrénovaným NER modelom.
• Vykonané experimenty slovne opíšte a výslekdy zapíšte do tabuliek. Výsledky slovne okomentujte.

Stretnutie 20.5.20204

Úlohy:

• Zistite čo je to rozpoznávanie pomenovaných entít (named entity recognition) a napíšte o tom správu.
• Zopakujte si základy jazyka Python "Dive into Python 3". Nainštalujte si prostredie Anaconda.
• Oboznámte sa s knižnicou Spacy a vyskúšajte si skripty v https://github.com/hladek/spacy-skmodel
• Nainštalujte si knižnicu Huggingface Transformers. Oboznámte sa s ňou. Zistite, ako sa trénuje model NER pomocou takejto knižnice.
• Zistite, aké modely a jazykové zdroje sú dostupné pre túto úlohy pre slovenský jazyk https://github.com/slovak-nlp/resources

Zásobník úloh:

• Pripravte viacero korpusov pre NER. Môžu byť aj viacjazyčné.
• Natrénujte model Huggingface pre NER