Detail projektu

semANT - Sémantický průzkumník textového kulturního dědictví

Období řešení: 1. 3. 2023 – 31. 12. 2027

Typ projektu: grant

Kód: DH23P03OVV060

Agentura: Ministerstvo kultury ČR

Program: NAKI III – program na podporu aplikovaného výzkumu v oblasti národní a kulturní identity na léta 2023 až 2030

Název anglicky
semANT - Semantic Document Exploration
Typ
grant
Klíčová slova

digitální knihovna, identifikace tématu, vyhledávání sémantických dokumentů,
průzkum obsahu, vizualizace obsahu

Abstrakt

Hlavním cílem tohoto projektu je proto zlepšit možnosti vyhledávání ve
fulltextové reprezentaci digitalizovaných dokumentů na úrovni významu textu
a možnosti přirozené navigace mezi tématicky podobnými dokumenty. Uživatelům
poskytneme fulltextové vyhledávání rozšířené o pochopení významu dotazů, možnost
vyhledávat podle částí textu (například odstavců) s možností specifikovat
současně téma, které ho v daném textu zajímá. Systém bude pracovat s automaticky
identifikovanými tématy, ale umožní uživatelům definovat vlastní témata na
základě příkladů z textů. 

Řešitelé
Hradiš Michal, Ing., Ph.D. (UPGM) – hlavní řešitel
Beneš Karel, Ing., Ph.D. (UPGM)
Dočekal Martin, Ing. (UPGM)
Fajčík Martin, Ing., Ph.D. (UPGM)
Kavalová Radka, Mgr. (VCIT)
Kišš Martin, Ing. (UPGM)
Kohút Jan, Ing. (UPGM)
Kostelník Martin, Ing. (UPGM)
Lampa Petr, Ing. (DFIT-OIP)
Smrž Pavel, doc. RNDr., Ph.D. (UPGM)
Publikační výsledky

2025

  • FAJČÍK, M.; DOČEKAL, M.; DOLEŽAL, J.; ONDŘEJ, K.; BENEŠ, K.; SMRŽ, P.; POLOK, A.; HRADIŠ, M. BenCzechMark : A Czech-Centric Multitask and Multimetric Benchmark for Large Language Models with Duel Scoring Mechanism. Transactions of the Association for Computational Linguistics, 2025, vol. 13, no. 9, p. 1068-1095. Detail
  • KIŠŠ, M.; HRADIŠ, M. Masked Self-Supervised Pre-Training for Text Recognition Transformers on Large-Scale Datasets. In Document Analysis and Recognition – ICDAR 2025 Workshops. Cham: Springer Nature Switzerland, 2025. p. 53-70. ISBN: 978-3-032-09367-7. Detail
  • KOHÚT, J.; HRADIŠ, M.;. Practical Fine-Tuning of Autoregressive Models on Limited Handwritten Texts. Document Analysis and Recognition – ICDAR 2025. Cham: Springer Nature Switzerland, 2025. p. 22-39. ISBN: 978-3-032-04629-1. Detail
  • KOSTELNÍK, M.; HRADIŠ, M.; BENEŠ, K. TextBite: A Historical Czech Document Dataset for Logical Page Segmentation. In Document Analysis and Recognition – ICDAR 2025 Workshops. Cham: Springer Nature Switzerland, 2025. p. 124-140. ISBN: 978-3-032-09367-7. Detail

2024

  • KIŠŠ, M.; HRADIŠ, M. Self-supervised Pre-training of Text Recognizers. In Barney Smith, E.H., Liwicki, M., Peng, L. (eds) Document Analysis and Recognition - ICDAR 2024. Lecture Notes in Computer Science. Atény: Springer Nature Switzerland AG, 2024. p. 218-235. ISBN: 978-3-031-70545-8. Detail
  • ŠTĚTINA, J.; FAJČÍK, M.; HRADIŠ, M.; ŠTEFÁNIK, M. A Comparative Study of Text Retrieval Models on DaReCzech. Recent Advances in Slavonic Natural Language Processing, 2024, no. 7, p. 85-100. Detail

2023

  • KOHÚT, J.; HRADIŠ, M. Finetuning Is a Surprisingly Effective Domain Adaptation Baseline in Handwriting Recognition. In Document Analysis and Recognition - ICDAR 2023. Lecture Notes in Computer Science. Lecture Notes in Computer Science. San José: Springer Nature Switzerland AG, 2023. no. 1, p. 269-286. ISBN: 978-3-031-41684-2. ISSN: 0302-9743. Detail
Aplikované výsledky

2025

2024

2023

Nahoru