hrvatski

Generiranje strukture podatka analizom dokumenata

S razvojem informatičkih tehnologija svakodnevno raste količina podataka pohranjenih u različitim elektroničkim formatima. Unatoč količini dostupnih podataka, često se dogodi da ciljane informacije ostaju nedostupne, zbog varijacija u njihovom zapisu i predstavljanju, te preostaje, za današnje vrijeme neprihvatljivo i dugotrajno, ručno prolaženje kroz pojedine dokumente. Rješenja za takve probleme se javljaju u obliku programskih modula koji uzorkovanjem dokumenata, te njihovom analizom generiraju strukturu podataka, čime se omogućava automatsko dohvaćanje i manipuliranje podacima. Takva rješenja prije same analize zahtijevaju obradu različitih elektroničkih formata. U ovom diplomskom radu obrađeni su DOC i PDF formati. Jedna od velikih poteškoća u izvlačenju podataka predstavlja obrada prirodnog jezika. Leksičke varijacije koje čovjek intuitivno raspoznaje običnim pretraživanjem često ostaju neprepoznate. Analiziranje leksičkih varijacija te utvrđivanje sličnosti i različitosti znakovnih nizova vodi do područja dubinske analize teksta. Analiza i prepoznavanje logičke strukture ulaznih podataka dotiče koncepte dubinske analize podataka.

generator; strukture podataka; dubinska analiza teksta

nije evidentirano