zpwiki/pages/students/2016/jan_holp

title	published	taxonomy
Ján Holp	true	category tag author dp2021 bp2019 ir nlp Daniel Hladek

Ján Holp

Rok začiatku štúdia: 2016

Diplomová práca 2021

Názov diplomovej práce: Systém získavania informácií v slovenskom jazyku.

Meno vedúceho: Ing. Daniel Hládek, PhD.

Zadanie diplomovej práce:

1. Vypracujte prehľad metód ohodnotenia dokumentov v systémoch získavania informácií.
2. Implementujte jednoduchý systém pre získavanie informácií v slovenskom jazyku, v ktorom využijete ohodnotenie dokumentov.
3. Navrhnite a vypracujte experimenty, v ktorých vyhodnotíte vybrané metódy odhodnotenia dokumentov.
4. Navrhnite možné zlepšenia presnosti vyhľadávania.

Diplomový projekt 2 2020

Zásobník úloh:

• Urobiť verejné demo - nasadenie pomocou systému Docker. Využiť veľké slovenské dáta z internetu.

• zlepšenie Web UI

• vytvoriť REST api pre indexovanie dokumentu.

• V indexe prideliť ohodnotenie každému dokumentu podľa viacerých metód, napr. PageRank

• Využiť vyhodnotenie pri vyhľadávaní

• Použiť overovaciu databázu SCNC na vyhodnotenie každej metódy

• Do konca zimného semestra vytvoriť "Mini Diplomovú prácu cca 8 strán s experimentami" vo forme článku

Virtuálne stretnutie 18.12:2020:

Žiaden pokrok.

Virtuálne stretnutie 3.1ľ:2020:

Riešenie technických problémov ako implementovať PageRank.

Virtuálne stretnutie 13.11:2020:

Stav:

• Vyriešené technické problémy s cassandrou. Vieme indexovať z Cassandra do ES.

Úlohy na ďalšie stretnutie:

• urobte návrh metódy PageRank.
• priprave Vaše kódy do formy web aplikácie a dajte ich do repozitára.
  • backend s REST API.
  • frontend s Javascriptom.
  • skúste pripraviť Dockerfile s Vašou aplikáciou.

Virtuálne stretnutie 6.11:2020:

Stav:

• Riešenie problémov s cassandrou a javascriptom. Ako funguje funkcia then?

Úlohy na ďalšie stretnutie:

• vypracujte funkciu na indexovanie. Vstup je dokument (objekt s textom a metainformáciami). Fukcia zaindexuje dokument do ES.
• Naštudujte si ako funguje funkcia then a čo je to callback.
• Naštudujte si ako sa používa Promise.
• Naštudujte si ako funguje async - await.
• https://developer.mozilla.org/en-US/docs/Learn/JavaScript/Asynchronous/

Virtuálne stretnutie 23.10:2020:

Stav:

• Riešenie problémov s cassandrou. Ako vybrať dáta podľa primárneho kľúča.

Do ďalšiehio stretnutia:

• pokračovať v otvorených úlohách.
• urobte funkciu pre indexovanie jedného dokumentu.

Virtuálne stretnutie 16.10.

Stav:

• Riešenie problémov s pripojením na Cassandru.
• Riešenie spôsobu výberu dát z databázy a indexovanie.

Do ďalšieho stretnutia:

• Pokračovať v otvorených úlohách z minulého stretnutia.

Virtuálne stretnutie 2.10.2020

Urobené:

• Výber a indexovanie dát z Cassandry

Do ďalšieho stretnutia:

• pracovať ďalej na indexovaní, použite Cassandra Javascript API
• urobte návrh metódy PageRank
• urobte si GIT repozitár nazvite ho dp2021 a dajte tam zdrojové kódy
• priprave Vaše kódy do formy web aplikácie
  • backend s REST API
  • frontend s Javascriptom
  • skúste pripraviť Dockerfile s Vašou aplikáciou

Diplomový projekt 2020

Virtuálne stretnutie 23.6.2020:

Hotové:

• funguje databáza Cassandra
• funguje web rozhranie
• funguje indexovanie zo súboru.

Výsledky sú v ZIP súbore

Treba dokončiť:

• Indexovanie z Cassandra do ES

Virtuálne stretnutie 14.5.2020:

Nové úlohy:

• Rozbehať Cassandra DB a agenta pre získavanie textu
• Indexovať dokumnety z Cassandra DB do Elasticsearch
• Pokračovať na práci na Web rozhraní
• Doriešiť obnovenie slovenskej konfigurácie

Urobené:

• rozrobené web rozhranie
• rozrobené indexovanie do ElasticSearch

Revízia 13.5.2020:

• Potrebné skompletizovať zdrojové kódy.
• Nová verzia agenta pre získavanie textu: https://git.kemt.fei.tuke.sk/dano/websucker-pip

Revízia 9.4.2020:

Návod na prácu s Elasticsearch : Návod

Návod na spustenie web aplikácie : Návod

Záznam o doterajšom pokroku : Pokrok

Úloha:

• Nainštalujte si a oboznámte sa s agentom pre získavanie textu.
• Zistite, aká je štruktúra dokumentov v indexoch.
• vytvorte návrh a prototyp webovej aplikácie ktorá bude slúžiť ako rozhranie k vyhľadávaciemu indexu.

Stretnutie 20.2.2020

Úlohy na tento semester:

• Nainštalovať Elasticsearch a zindexovať veľkú databázu dát z webu.
• Nájsť spôsob ako vytvoriť verejne prístupné demo.

Do ďalšieho stretnutia:

• Vytvorte git repozitár a dajte tam výsledky z bakalárskej práce. Vytvorte k tomu návod.
• Porozmýšľajte nad HTML používateľským rozhraním.

Tímový projekt 2019

Písomná práca : Rešerš

Úlohy tímového projektu:

• Vypracujte min. 4 stranový abstrakt z knihy "Hang Li: Learning to Rank for Information Retrieval and Natural Language Processing"
• Sústreďte sa najprv na algoritmus PageRank a BM25
• citujte 10 najvýznamnejších bibliografických zdrojov

Poznámky k vypracovaniu DP

• možnosť pracovať s veľkými dátami Elasticsearch, je nutné sprevádzkovať ES Cluster.
• možnosť vypracovať jednoduché demo web vyhľadávača
• inšpirácia Agent pre získavanie textu "dano/websucker"
• Pozrite si Python knižnice pre elasticsearch, a information retrieval (pagerank a pod.)

Bakalárska práca 2019

Meno vedúceho: Ing. Daniel Hládek, PhD.

Názov bakalárskej práce: Vyhľadávač na slovenskom internete

Text bakalárskej práce: (https://opac.crzp.sk/?fn=detailBiblioForm&sid=A4CA3C451D400D4BD034603141D1)

Zadanie bakalárskej práce:

1. Zostaviť prehľad aktuálnych metód vyhľadávania v textových dátach a metód vyhodnotenia presnosti.
2. Navrhnúť a opísať vlastnú metódu indexovania a vyhľadávania v slovenskom texte.
3. Navrhnúť a vykonať sadu experimentov pomocou ktorých sa vyhodnotí navrhnutá metóda indexovania a vyhľadávania.
4. Na základe experimentov navrhnúť vylepšenia navrhnutej metódy vyhľadávania.

Bakalárska práca 2018 - Vyhľadávač na slovenskom internete