2020-04-21 20:07:16 +00:00
|
|
|
## Diplomový projekt 1 2020
|
|
|
|
|
|
2020-04-21 20:09:06 +00:00
|
|
|
- príprava dát
|
|
|
|
|
|
2020-04-21 20:15:07 +00:00
|
|
|
stiahnutie článkov z wiki pomocou nástroja dataminer, uložené v súbore dataminer.csv
|
2020-04-21 20:07:16 +00:00
|
|
|
vytvorenie skriptu text_to_sent.py, ktorý rozdelí text na vety a zapíše ich do súboru textfile.csv
|
|
|
|
|
|
2020-04-21 20:09:06 +00:00
|
|
|
- vytvorenie a spustenie docker kontajneru
|
2020-04-21 20:07:16 +00:00
|
|
|
> docker build . -t prodigy
|
|
|
|
|
> winpty docker run --name prodigy -it -p 8080:8080 -v C://Users/jakub/Desktop/annotation/work prodigy bash
|
|
|
|
|
|
2020-04-21 20:09:06 +00:00
|
|
|
- spustenie anotačného procesu pre NER s návrhmi od modelu
|
2020-04-21 20:07:16 +00:00
|
|
|
> prodigy ner.correct wikiart sk_sk1 ./textfile.csv --label OSOBA,MIESTO,ORGANIZACIA,PRODUKT
|
|
|
|
|
|
2020-04-21 20:09:06 +00:00
|
|
|
- anotované dáta možno exportovať vo formáte jsonl potrebnom pre spracovanie vo spacy
|
2020-04-21 20:07:16 +00:00
|
|
|
> prodigy db-out wikiart > ./annotations.jsonl
|
