Extrakce popisných dat z narativů

Abstract

Práce je zaměřena na převod částí nestrukturovaných narativů popisujících trasu do strukturované podoby. Implementovaný systém tvoří proces složený z předzpracování textu, detekce popisných dat a navazujícího generování syntetických vět. Předzpracování využívá jazykový model a samostatný předzpracovací nástroj pocházející z bakalářské práce Marka Žáčka [1]. Jádrem práce je návrh pravidel a vzorů pro odhalení objektů, barev, velikostí, sloves a sekvencí objektů nad závislostní reprezentací. Výstupem je strukturovaná reprezentace ve formě Prolog faktů, která umožňuje jednoznačné strojové zpracování a následné generování korpusu. Práce dále zahrnuje formální popis algoritmů a verifikaci konzistence pomocí round-trip testu. Nad rámec zadání je součástí repozitáře i doplňkové rozšíření pro experimentální použití.

The thesis focuses on transforming selected parts of unstructured route narratives into a structured representation. The implemented system is a process composed of text preprocessing, descriptivedata detection, and subsequent synthetic sentence generation. Preprocessing uses a language model together with a separate preprocessing tool authored by Marek Žáček [1]. The core contribution is a rule-based design for detecting objects, colors, sizes, verbs, and object sequences from dependency structures. The main output is a structured Prolog-fact representation suitable for deterministic machine processing and downstream corpus generation. The thesis also provides formal algorithm descriptions and consistency verification via a round-trip test. Beyond the assignment scope, the repository includes an additional experimental extension.