Available theses topics
Revision as of 00:39, 11 August 2022 by Slavkoz (talk | contribs) (→Primerjava standardne slovenščine v Sloveniji in izzven nje)
Na tej strani so naštete proste teme za izdelavo zaključnih del pod mojim mentorstvom. Pri izbiri prosim sledite navodilom, ki so opisana na strani glede metodologije priprave zaključnega dela.
Evalvacija in produktivizacija orodja TextCaptcha
- Martin Čebular je v okviru svoje magistrske naloge razvil orodje TextCaptcha - Preprečevanje neželenih komentarjev za spletne novice s pomočjo tehnik za procesiranje naravnega jezika (Martin Čebular). Ideja za orodje izhaja iz storitve reCaptcha, ki se uporablja za bolj natančno digitalizacijo knjig. V osnovi deluje tako, da bralcu prikaže npr. dva niza, pri katerem sistem za enega pozna rešitev, za drugega ne. Uporabnik mora oba niza vpisati v vnosno polje. Sistem nato preko več odgovorov ugotovi, kakšna je pravilna digializacija neznanega niza.
- Izdelano orodje je že bilo validirano in kot Javascript vtičnik na spletnih straneh [rtvslo.si]. Namen magistrske naloge bi bil (a) izdelati natančno metodologijo uporabe orodja TextCaptcha za namene zbiranja označenih korpusov v slovenskem jeziku, (b) prikazati smiselne primere uporabe in (c) evalvirati orodje na realnih primerih.
- Ključne besede
- ekstrakcija informacij, gradnja podatkovnih množic, preverjanje vnosov
- Tip zaključnega dela
- Magistrsko delo
Primerjava standardne slovenščine v Sloveniji in izzven nje
- Za primerjavo jezikov obstajajo že uveljavljene metode, s katerimi se lahko primerja, kdaj sta si jezika sorodna, enaka oz. kako različna sta si. V okviru zaključnega dela naj se primerja besedila novic iz področja Slovenije z besedili novic zamejskih Slovencev ali izseljencev. Primeri novic izseljencev so na primer novice.at (Avstrija), Novi list (Argentina), ipd., pri čemer naj se pregleda možnosti za pridobitev tudi drugih primernih virov. Izdela naj se referenčni korpus, katerega se bo primerjalo z referenčnim korpusom standardne slovenščine v Sloveniji (vir bo zagotovljen). Množice je potrebno nato primerjati in ugotoviti jezikovne različnosti (npr. raba besed v različnih kontekstih, pojavljanje starih/novih besed, vpliv tujega jezika, vrstni red besed).
- Uporabne povezave
- Lexical distance map among languages
- Ključne besede
- slovenščina, primerjava besedil, novice
- Tip zaključnega dela
- Magistrsko delo
Analiza in primerjava podatkovnih baz za hranjenje podatkov v grafih
- Obstaja mnogo primerov, ko se lahko podatke hrani v grafih, ali ko tudi že poizvedba predstavlja podgraf. Namen zaključnega dela je identifikacija in opis domen, kjer se uporabljajo grafovski podatkovni modeli. Temu naj nato sledi pregled najbolj znanih podatkovnih baz na tem področju, skupaj z njihovo primerjavo. Primera baz iz tega področja sta na primer Janus Graph ali Neo4J. Na podlagi primerjalne tabele naj se izbere eno ali dve najbolj primerni implementaciji in prikaže delovanje podatkovne baze. Prikaz naj zajema (a) namestitev, (b) uvoz podatkov, (c) poizvedovanje in (d) performančne lastnosti.
- Ključne besede
- podatkovne baze, predstavitev v obliki grafa, povezave
- Tip zaključnega dela
- Diplomsko ali magistrsko delo
Pregled in analiza semantičnih (SPARQL) podatkovnih baz
- V letu 2012 je Simeon Puntar izdelal diplomsko nalogo Pregled in primerjava triplestore podatkovnih baz. Od tedaj se je na področju semantičnega spleta zgodilo marsikaj.
- Semantične podatkovne baze morajo biti sposobne hraniti podatke, ki so opisani s pomočjo ontologij (npr. v jeziku RDF(S), OWL). Za poizvedovanje nad takšnimi shemami je bil zasnovan protokol in poizvedovalni jezik SPARQL, ki ga podpirajo nekatere podatkovne baze. V zaključnem delu naj se pregleda področje grafovskih podatkovnih baz, ki podpirajo poizvedovanje z jezikom SPARQL. Nepopoln seznam je na voljo na Wikipediji. Trenutno (v letu 2022) so morda najbolj aktualne baze OntoText GraphDB, Amazon Neptune ali Oracle Graph Database. Performančno analizo se lahko izvede s pomočjo predpripravljenih podatkov - Lehigh University Benchmark (LUBM)
- Možne druge variacije zaključnega dela
- (a) Opis, primerjava in implementacije poizvedovalnih jezikov nad grafi (npr. Cypher, openCypher, SPARQL, Gremlin, Apache TinkerPop).
- (b) Izbira specifične podatkovne baze in podrobnejša analiza le nje.
- Ključne besede
- podatkovne baze, semantični splet, ontologije, SPARQL
- Tip zaključnega dela
- Diplomsko ali magistrsko delo
Baza znanja na podlagi odprte ekstrakcije informacij
- Miha Bogataj je izdelal diplomsko delo Odprta ekstrakcija informacij za slovenski jezik, v okviru katerega je definiral pravila in pridobil povezave na podlagi odprte ekstrakcije informacij za slovenski jezik. Poleg starejših pristopov, ki temeljijo na hevristikah, in so bili uporabljeni v tem delu (npr. TextRunner, ReVerb ali Ollie), so bili pre kratkim predlagani tudi novejši pristopi. Namen zaključnega dela bi bil, da se pregleda področje odprte ekstrakcije informacij in prilagodi enega izmed najboljših modelov za uporabo v slovenskem jeziku (seznam člankov).
- Možne druge variacije zaključnega dela
- (a) Izdelava spletnega mesta za pregledovanje rezultatov, ki jih generira sistem za odprto ekstrakcijo informacij. Primer: openie.allenai.org.
- Ključne besede
- odprta ekstrakcija informacij, trojice, nenadzorovano učenje
- Tip zaključnega dela
- Diplomsko ali magistrsko delo
Produktivizacija modelov globokega učenja
- V zadnjem času se globoki modeli nevronskih mrež čedalje bolj uporabljajo v praksi. Seveda je možno implementirati lastno infrastrukturo, ki bo služila namenu, da bodo rezultati našega modela dostopni uporabnikom, vendar za ta namen obstajajo tudi specifična orodja ali ogrodja. V okviru zaključnega dela naj se pregleda in primerja platforme, ki to omogočajo (npr. Nvidia Triton). Izbrano platformo naj se tudi preskusi in prikaže delovanje na praktičnem primeru (npr. produktivizacija obstoječega globokega modela).
- Možne druge variacije zaključnega dela
- (a) Pregled in preskus platforme za zaganjanje globokih modelov v brskalniku (npr. www.tensorflow.org/js).
- (b) Pregled in preskus platforme za zaganjanje globokih modelov na mobilnih napravah (npr. Tensorflow Android, Tensorflow iOS, Apple CoreML).
- Ključne besede
- globoko učenje, ogrodja za umetno inteligenco, produktivizacija
- Tip zaključnega dela
- Magistrsko delo
Implementacija podpore za slovenski jezik v iskalno ogrodje Apache Solr
- Aljaž Eržen je pri predmetu Iskanje in ekstrakcija podatkov (2022) izdelal vtičnik s podporo za slovenski jezik za iskalnik Apache Solr. Vtičnik podpira členjenje, korenjenje in lematizacijo in deluje kot gRPC odjemalec za modele CLASSLA.
- Namen zaključnega dela je, da se opiše arhitekturo delovanja Apache Solr in razloži delovanje posameznih komponent, ki se izvajajo ob indeksiranju ali iskanju. Opiše naj se delovanje izdelane komponente za podporo za slovenski jezik ter stestira hitrost delovanja. Glede na to, da so nekateri modeli CLASSLA počasni, naj se ugotovi, če je hitrost delovanja sistema sprejemljiva za uporabo v praksi.
- Ključne besede
- Apache Solr, iskanje, slovenski jezik
- Tip zaključnega dela
- Magistrsko delo
Izdelava ogrodja za demokratizacijo obdelave naravnega jezika
- V okviru projekta Razvoj slovenščine v digitalnem okolju smo pregledali možnosti za izdelavo orodja za procesiranje naravnega jezika po vzoru obstoječih orodij - GATE, UIMA, Orange3 (Text mining Addon, Textable). Poleg tega smo pripravili tudi zasnovo splošnega podatkovnega modela, arhitekturo orodja in definirali programske vmesnike za komunikacijo med vsebniki Docker.
- Namen zaključnega dela je implementirati predlagano orodja in pokazati možnosti za izvedljivost projekta ter uporabo orodja v praksi. Končna specifikacija kmalu na voljo javnosti.
- Ključne besede
- Docker, procesiranje naravnega jezika, podatkovni model, programski vmesniki
- Tip zaključnega dela
- Diplomsko delo delo
Ostale možne tematike
- Kandidat si lahko zamisli svoj lasten problem iz področja iskanja in ekstrakcije vsebin is spleta ali procesiranja naravnega jezika ter ga uskladi z menoj. Tematike se lahko dotikajo tudi analize in uporabe odprtokodnih sistemov, ki so morda trenutno aktualne, uporabe in analize odprtih podatkov (npr. iz portala OPSI) ali izdelave speficičnih orodij za obdelavo podatkov (ETL, informacijski sistemi, ipd.).
- Prav tako vsako leto na področju procesiranja naravnega jezika potekajo tekmovanja z zanimivimi tematikami, ki lahko predstavljajo zaključno delo. Največkrat so to delavnice (angl., workshops) na konferencah ACL, CoNLL, BSNLP, EMNLP, ipd.