1 / 8

Extrakcia športových udalostí z webu

Extrakcia športových udalostí z webu. Bc. Adrián Feješ FIIT STU Vyhľadávanie informácií. Opis problému a motivácia. Málo športových aktivít Množstvo informácií o športových udalostiach na webe Nájsť dokumenty obsahujúce informácie Dokumenty obsahujú množstvo nerelevantných informácií

calum
Télécharger la présentation

Extrakcia športových udalostí z webu

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Extrakcia športových udalostí z webu Bc. Adrián FeješFIIT STU Vyhľadávanie informácií

  2. Opis problému a motivácia • Málo športových aktivít • Množstvo informácií o športových udalostiach na webe • Nájsť dokumenty obsahujúce informácie • Dokumenty obsahujú množstvo nerelevantných informácií • Extrahovanie relevantných informácií (čo, kedy, kde, koľko ...)

  3. Existujúce riešenia • Získanie web stránok (Google Search API, Web crawler, Lucene datastore) • Indexovania a anotácia (Gate plugin-y) • Konverzia na text, tokenizácia, regulárne výrazy • Gazetteer • GATE (General Architecture for Text Engineering)

  4. Opis riešenia • Názov, dátum, čas, miesto, cena, opis • Google Custom Search API (vyhľadávacie stroje) • Konverzia (X)HTML na text • Uchovanie základnej štruktúry vo forme mapy (obsah html elementu -> html tag) • Vytváranie segmentov na základe mapy

  5. Opis riešenia • Tokenizácia, Regulárne výrazy -> vytvorenie kandidátov • Definovanie a hľadanie kľúčových slov v blízkosti kandidátov • Zoradenie segmentov na základe priority • Spracovanie segmentov (najprv s najvyššou prioritou -> obsahuje najviac relevantných údajov)

  6. Práca s aplikáciou • Používateľ zadá kľúčové slovo udalosti • Zobrazia sa údaje, ktoré aplikácia vyhodnotila ako najrelevantnejšie • Otvorenie web stránky a vyhodnotenie relevantnosti • Možnosť alternatívnych riešení podľa segmentov

  7. Vylepšenia • Uchovanie základnej štruktúry stránky (uľahčenie a zefektívnenie ďalšieho spracovania) • Segmentácia a ich priorita • Gazetteer a jednoduchá lematizácia • Možnosť alternatívnych riešení podľa segmentov

  8. Vyhodnotenie

More Related