Realizzazione di un Add-on per Google Docs per estrazione interattiva di pattern sintattici
1 like450 views
Realizzazione di un Add-on per Google Docs per estrazione interattiva di pattern sintattici - 際際滷show
Realizzazione di un Add-on per Google Docs per estrazione interattiva di pattern sintattici
- 1. Realizzazione di un Add-on per Google Docs per estrazione interattiva di pattern sintattici Relatore Alberto Bartoli Correlatore Eric Medvet Candidato Lorenzo Gasparini 1 di 14
- 2. Descrizione del problema Dato un documento di testo si vogliono individuare ed estrarre tutte le occorrenze di un determinato pattern sintattico Esempi: Indirizzi IP (XXX.XXX.XXX.XXX), Date (DD/MM/YYYY), E-mail (alias@domain.ext) 2 di 14
- 3. Motivazione di base Figura: RegEx (sempli鍖cata) per indirizzo IP Gli strumenti per speci鍖care ed estrarre pattern da documenti testuali esistono gi (e.g. RegEx), perch竪 un nuovo approccio? La curva di apprendimento di tali strumenti 竪 ripida, non sono alla portata degli utenti comuni Idea: lutente fornisce degli esempi di entit da estrarre e da non estrarre, lalgoritmo deduce il pattern e lo estrae dal testo 3 di 14
- 4. Obiettivo della tesi Implementare un algoritmo di estrazione delle entit basato sulla sintassi, sotto forma di Add-on per Google Docs Lalgoritmo 竪 stato sviluppato nel laboratorio di Machine Learning, ed 竪 risultato in media il migliore in un confronto con altri algoritmi su 10 dataset Lalgoritmo si basa sullactive learning: genera un estrattore sulla base degli esempi forniti dallutente; sceglie lesempio che deve aggiungere lutente per migliorare lestrattore 4 di 14
- 5. Google Docs Nasce nel 2006, 竪 una piattaforma online di elaborazione testi Consente agli utenti di creare e modi鍖care documenti direttamente nel browser e di collaborare con altri utenti in tempo reale 5 di 14
- 6. Add-on per Google Docs Dal 2014 竪 possibile sviluppare componenti aggiuntivi che permettono di ampliare le funzionalit della piattaforma Un Add-on 竪 composto da un insieme di 鍖le HTML/Javascript/CSS e di script Google Apps Script, il quale: basato su Javascript Viene eseguito dai server di Google 6 di 14
- 7. Interfaccia Add-on Per aprire lAdd-on, si apre un documento di testo Google Docs e si preme Start nella relativa voce del men湛 7 di 14
- 8. Interfaccia Add-on Laggiunta di nuovi esempi avviene mediante la selezione del testo ed il click sul relativo pulsante Add Gli esempi vengono evidenziati con colori diversi per unindicazione visuale istantanea 8 di 14
- 9. Interfaccia Add-on Extract avvia la costruzione dellestrattore in base agli esempi forniti Il comportamento dellestrattore 竪 mostrato dal sistema Viene formulata una query allo scopo di ottenere un nuovo esempio (active learning) 9 di 14
- 10. Esportazione estrazioni Cliccando su Export 竪 possibile esportare le attuali estrazioni suggerite in un nuovo documento Si aprir una 鍖nestra modale con un link al nuovo documento contenente le estrazioni 10 di 14
- 11. Dettagli implementativi Nome 鍖le Righe Contenuto EntityExtractor.gs 561 Motore dellalgoritmo Main.gs 507 Gestione interazione utente Set.gs 54 Struttura dati insieme Sidebar.css.html 67 CSS Sidebar Sidebar.html 61 HTML Sidebar Sidebar.js.html 322 Javascript Sidebar Store.gs 53 Gestore memorizzazione dati server TextRange.gs 34 Struttura dati annotazione 11 di 14
- 12. Limiti della piattaforma e sviluppi futuri Google Docs 竪 una piattaforma proprietaria che presenta dei limiti intriseci: Le evidenziature sono permanenti, modi鍖cano la struttura del documento Non 竪 possibile gestire levento di chiusura dellAdd-on, impedendo lesecuzione di azioni di pulizia del documento Lo spazio di archiviazione lato server 竪 ristretto, ci嘆 rende di鍖cile implementare meccanismi di cache atti a diminuire il carico computazionale dellalgoritmo Soluzione: Migrazione a piattaforma web standalone o GUI desktop 12 di 14
- 14. Fine Grazie per lattenzione. 14 di 14