Automaticky generovaný obsah a SN.cz (SemWeb#9)
Znamenitá mrtvola
Kromě toho, že jsme na další hodině Sémantického webu hráli Znamenitou mrtvolu a já ještě dnes nosím v kapse u kalhot papírek s velmi významným sdělením, tedy že: "Informační černokněžník svítil. Hulánovský šatník ruší. Zlá stolička a pihovatá bakalářka se valí.", tak jsme (mimo jiné) rozebírali téma generování textového obsahu pomocí počítače. Konkrétně jsme se bavili o generování sportovních článků - zpráv ze zápasu.
Automaticky generovaný (sportovní) obsah
V příští hodině bychom totiž měli zkusit vymyslet algoritmy, dle kterých by takovýto automatický novinář mohl pracovat s údaji o zápase (v kolikáté minutě dal kdo gól atd.), které jsou volně přístupné např. na stránkách www.gambrinusliga.cz. Na jejich základě by pak vytvářel články, které by vypadaly, jako by je psal novinář skutečný.
Na mém Delicious účtu jsem nashromáždil pár zajímavých článků na toto téma (pokud vás to třeba zaujalo).
Také jsme dostali za úkol zanalyzovat stavbu článků o fotbale z jakéhokoliv česky psaného webu. Vybral jsem si sportovní server ČTK - Sportovninoviny.cz a postupoval jsem takto:
do spreadsheetu jsem vložil odkazy na všech 15 článků,
rozhodl jsem se analyzovat pouze první shrnovací odstavec (perex), který obsahuje veškeré podstatné informace o zápase:
do připraveného spreadsheetu jsem postupně zaznamenal objekty a události v pořadí, v jakém byly zmíněné,
poté jsem na základě této tabulky vytvořil přibližný model zprávy, kde jsem použil nejčastější objekty a události na nejčastějších pozicích.
Model
Z modelu je patrné, že zpráva vždy nejdřív obsahuje město z kterého je psána, pak uvede první tým (např. fotbalisté Liberce...), pak zpravidla následovala informace, o kolikáté kolo se jedná. Před, anebo po této informaci bývalo ve zprávách řečeno, kde se hrálo (...fotbalisté Liberce v dohrávce 25. kola na hřišti Sparty...) a poté jméno druhého týmu a výsledek zápasu.
Pozice týmů v tabulce a informace o gólech se vyskytovaly na dvou posledních pozicích přibližně stejně často, proto jsem mezi nimi udělal šipku oboustrannou. Někdy byly dříve góly, někdy pozice.