dmytro_ushatenko/pages/topics/named-entity/README.md

76 lines
1.3 KiB
Markdown

---
title: Pomenované entity
---
# Pomenované entity
## Goals
- Be able to recognize unknown named entities
- Create a manually annotated training set from speech transcripts
- Propose an annotation schema
## Tasks
### Príprava dát
- Parsovanie XML Wiki DUMP
- Filter pre vyradenie článkov
- Ručný výber článkov
### Príprava anotačnej schémy
- Deploymment Prodigy
- Konverzia dát do Prodigy
- Anotačný manuál
- Sada značiek na anotáciu
- Podporný model?
### Prípravná anotačná dávka
### Produkčná anotačná dávka
- Motivácia študentov
### Analýza vykonaných anotácií
Aplikácia pre analýzu anotácií
## Plan
- Convert speech transcripts into a training set
- Train and evaluate classifier
- Establish manual annotation
- Select unannotated data
### Data preparation
Input: Transcriber transcripts with inconsistent annotations
```
* First small letter: regular word
* Capital: named entity
* ''^^'': faoreign word
* ''@'': noise
* ''_'': multi word expression
* ''/'': pronuncation
```
Output: A file that can be read by `spacy convert`
## People
- Cesar Abascal Gutierrez <cesarbielva1994@gmail.com>
- Kyryl Kobzar
- Ediz Morochovič
## Tools
```
* Machine learning : https://spacy.io/usage/training
* Manual Annotation : https://prodi.gy/
```