Datová sada větné podobnosti a klíčová slova.

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47115068%3A_____%2F21%3AN0000004" target="_blank" >RIV/47115068:_____/21:N0000004 - isvavai.cz</a>

Výsledek na webu

<a href="https://aijournalism.fsv.cuni.cz/" target="_blank" >https://aijournalism.fsv.cuni.cz/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Datová sada větné podobnosti a klíčová slova.

Popis výsledku v původním jazyce

V rámci řešení projektu byl vytvořen výsledek č. TL02000288-V14, a to dvojice datových sad. První datová sada obsahuje ručně anotované větné podobnosti (116 956 párů vět trénovací části sady označkované jedním anotátorem a 1 200 vět testovací části označkované devíti anotatátory). Druhá sada obsahuje označená klíčová slova, konkrétně 86 902 skupin klíčových slov. K tomuto výsledku (dále jen „Datové sady“) vykonává majetková autorská práva UK. Datové sady vychází z textů tiskových zpráv. Konkrétně jde o 1 593 zpráv z období let 2006 až 2019 (dále jen „Texty“), k nimž majetková práva vykonává ČTK. Datové sady byly vytvořeny softwarovou anotační webovou aplikací (dále jen „SW“), která umožňuje značkovat větné podobnosti a určovat klíčová slova velkou skupinou anotátorů z FSV UK. K tomuto SW majetková práva vykonává ZČU.

Název v anglickém jazyce

Sentence similarity dataset and keywords.

Popis výsledku anglicky

The project produced the result TL02000288-V14, a pair of datasets. The first dataset contains manually annotated sentence similarities (116,956 sentence pairs of the training part of the set annotated with one annotator and 1,200 sentences of the test part annotated with nine annotators). The second set contains tagged keywords, specifically 86,902 keyword groups. The UK exercises the proprietary copyright in this result (hereinafter referred to as the 'Datasets'). The Datasets are based on the texts of press releases. Specifically, there are 1 593 news items from the period 2006 to 2019 ('Texts') for which CTK holds the property rights. The datasets were created by a software annotation web application (hereinafter referred to as "SW"), which allows to tag sentence similarities and identify keywords by a large group of annotators from FSV UK. The property rights to this SW are held by the University of Veterinary and Pharmaceutical Sciences.

Druh

O - Ostatní výsledky

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/TL02000288" target="_blank" >TL02000288: Proměna etických aspektů s nástupem žurnalistiky umělé inteligence</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů