zpwiki/pages/students/2016/tomas_kucharik

Tomáš Kuchárik

(študent KPI)

Diplomová práca 2021

Vytváranie komplexných korpusov pre aplikácie porozumenia prirodzeného jazyka

Cieľom práce je príprava nástrojov a budovanie tzv. "Question Answering datasetov"

Anotácia pomocou systému Prodigy

Diplomový projekt 1

Úlohy na semester:

• Získať a parsovať dump slovenskej wikipédie z https://dumps.wikimedia.org/mirrors.html
• Vybrať prvú množinu článkov
• Nasadiť anotačnú aplikáciu - tvorbu otázky a vyznačenie odpovede.
• Navrhnúť pracovný postup pre využitie modelu pri ďalšej anotácii
• Možno: natrénovať model z anglických alebo slovenských dát.

Úvodné stretnutie 6.3.2020.

Porozmýšľať:

• Ako vyberieme najlepšie články (PageRank?)
• Ako premením článok z wikipedie na sadu úloh (task) pre Prodigy.

Vytvorený spoločný repozitár https://git.kemt.fei.tuke.sk/dano/annotation

Úlohy na ďalšie stretnutie:

• Získať a parsovať dump slovenskej wikipédie z https://dumps.wikimedia.org/mirrors.html.
• Študovať odborné články na tému Question Answering
• Oboznámiť sa s https://github.com/5hirish/adam_qas
• Oboznámte sa s frameworkom Spacy a Prodigy.

Revízia 9.4.2020:

Nové úlohy:

• Nainštalujte si anotačnú aplikáciu https://git.kemt.fei.tuke.sk/dano/annotation
• Pozrite si recepty v adresári "question_answer".
• Podľa vzoru vytvorte korpus paragrafov zo slovenskej Wikipédie vhodných na anotovanie otázok.

Revízia 16.4:2020:

• Predbežné výstupy (wikipedia parser) v repozitári https://git.kemt.fei.tuke.sk/tk634rv/dp2021