zpwiki/pages/students/2020/matus_suchanic
2022-09-29 09:57:44 +02:00
..
README.md zz 2022-09-29 09:57:44 +02:00

title published taxonomy
Matúš Suchanič true
category tag author
vp2022
bp2023
ir
Daniel Hladek

rok začiatku štúdia: 2020

Bakalárska práca 2023

Téma: Vyhľadávanie na slovenskej Wikipédii

Úloha: Implementovať jednoduchý systém na indexovanie článkov na slovenskej wikipédii a ich vyhľadávanie.

Práca súvisí s:

Nový návrh:

  • Implementujte systém na kategorizáciu slovenských novinových článkov.

Úlohy:

  • Prečítajte si článok "Comparison of Statistical Algorithms and Deep Learning for Slovak Document Classification" https://ieeexplore.ieee.org/abstract/document/9869155 dostupný z TUKE siete.
  • Napíšte na pol strany čo ste sa dozvedeli.
  • Vypracujte prehľad novej odbornej literatúry na tému Text Categorization. Zistite aké štatistické a neurónové metódy sa používajú. Ako základ Vám poslúži článok vyššie.
  • Zopakujte experiment s klasifikáciou slovenských novinových článkov. Použite knižnicu HF transformers, Skripty Vám dodá vedúci. Použite knižnicu HF transformers, Skripty Vám dodá vedúci. Použite "Slovak Categorized News Corpus" na trénovanie.
  • Pripravte skript, ktorý bude vedieť klasifikovať neznáme články uložené v databáze.

Vedecký projekt 2022

Extrakcia informácií z webových stránok

Finálny cieľ:

  • Vytvoriť skript ktorý spracuje HTML kód a identifikuje zaujímavé časti z webstránky, napr. noviny alebo diskusie (modrý koník)
  • Naučte sa niečo o spracovaní prirodzeného jazyka

Výstupy:

  • Report na cca 4 strany - ako si nainštalovať anacondu, niečo o knižnici HuggingFace Transformers
  • Skript na parsovanie dvoch stránok

Stretnutie 3.6.

Stav:

  • Odovzdaná písomná správa nie je uspokojivá.

Úlohy:

  • Nainštalujte si Hugging Face Transformers
  • Prejdite si tento tutoriál, https://huggingface.co/docs/transformers/tasks/sequence_classification. Po slovensky zapíšte vlastnými slovami čo ste urobili a čo ste zistili. Zapíšte každý krok.
  • Vlastnými slovami zapíšte, čo všetko bude potrebné urobiť, aby sme vedeli klasifikovať slovenské texty.
  • Vytvorte si GIT repozitár a dajte do neho vytvorené skripty na parsovanie stránok.

Stretnutie 18.3.2022

Úlohy:

  • Nainštalovať si systém Anaconda
  • Napíšte návod ako nainštalovať a používať systém Anacona
  • Nainštalovať si knižnicu BeautifulSoup4, prejsť si tutoriál
  • napíšte krátky úvod do knižnice Huggingface Transformers
  • Prečítajte si články o hlbokých neurónových sieťach a spracovaní prirodzeného jazyka