Vyhledávání v semanticky obohacených textech

Abstract

Tato práce se zabývá dotazováním nad rozsáhlými textovými daty, obohacenými o sémantické informace, zejména o vyznačení pojmenovaných entit zmíněných v textu. Text nejprve rozebírá způsoby indexace částečně stukturovaných textových dat a přístupy k jejich dotazování. Jádrem práce je potom návrh a implementace dotazovacího systému, který analyzuje dotazy uživatele a požadavky na rozsah a strukturu vracených informací, převádí je do formátu vyhledávacího systému MG4J, na výsledku aplikuje zadaná omezení a formátuje jej do požadovaného tvaru. Výsledky práce jsou zhodnoceny na základě statistik časových odezev sady dotazů nad indexem anglické Wikipedie, které jsou také porovnány s údaji získanými pomocí dosavadního systému dotazování.This thesis deals with searches within large-scale text data, which are enriched by semantic information, especially the highlighting of named entities. The thesis begins by analysing methods used for the indexing of partly structured text data and the methods used for searching. The main body of the thesis consists of the description and implementation of a query engine, which analyses queries and requirements on range and structure. This query is later converted into an MG4J search engine format and applies restrictions on the results. These results have been tested on time response, as well as on a number of results, which are then compared to older results obtained from English Wikipedia.