INFORUM 2006 - 12. ročník konference o informačních zdrojích

Extrakce informací z úplných textů

Autor: Jan Žbirka,  Tovek Partner

Plné texty

Abstrakt

Extrakce informací může být jedním z užitečných nástrojů při zpracování úplných textů. Vstupní text (často výstup fulltextového vyhledávání) bývá upraven preprocesorem k morfologicko-syntaktické analýze. Podstatou extrakce je nahrazování určitých slov či výrazů názvy pojmů. Na tato jména pojmů se lze odkazovat v nových pojmech ve vyšších vrstvách. Vybrané části textu se tak postupně nahrazují strukturou jmen pojmů. Příspěvek diskutuje, co je jednoduché a co problematické, jak integrovat technologii do analytického fulltextového systému a v jakých oblastech ji lze použít.

O autorovi

Vystudoval Filosofickou fakultu University Karlovy, obor vědecké informace a knihovnictví. Pracoval jako programátor ve Výzkumu řízení letového provozu a v informačním středisku pro chemii.

Pedagogicky působil na VŠE Praha a FF UK Praha, kde vyučoval analýzy textových informací. Byl členem rady Národního informačního střediska. Podílel se na lokalizaci analytické technologie Verity Inc. (řešil flexi slovanských jazyků). Provádí školení dotazování ve Verity Query Language, zejména pro pokročilé analytiky. Zakládal elektronický archiv vydavatelství Economia, a. s. (zejm. Hospodářské noviny, Ekonom).

Provádí analýzy informací z otevřených informačních zdrojů jako Tovek Partner.