Mid Sweden University

Målet med denna studie är att skapa ett socialt nätverk med användning av NER (Named Entity Recognition) och kärnreferens AI-modeller. Detta görs i förhoppningen att visa fördelar och nackdelar med att implementera en ny funktion i anteckningsprogramvara. Papperet fokuserar i hög grad på att använda Python-biblioteket Spacy och dess verktyg för att slutföra denna uppgift. En prototyp-pipeline kommer att skapas och testas för att hitta eventuella svårigheter med att använda AI NLP (naturlig språkbehandling) på en enkel bärbar dator. Resultaten samlas in med hjälp av F-score och en timer genom att använda osorterad text från populära romaner och skicka texten genom en pipeline som kommer att skapa ett dokumentobjekt. Det resulterande objektet kommer att sökas igenom med en matchningsfunktion för att hitta relationer mellan entiteter som är märkta som PERSON. Resultaten från prototypen visar att på grund av låg beräkningskraft tar processen att sortera text upp till några timmar för stora romaner (200 000 ord). Med en lägre läshastighet tar det längre tid för större romaner. Dock kan mindre romaner (20 000 ord) ta cirka 13 minuter. Studien visar svagheterna och användbarheten med att kunna använda AI lokalt för att skapa ett fungerande socialt nätverk.

The objective of this study is to create a social network with the usage of NER (Named Entity Recognition) and coreference AI models. This is being done in the hopes of showing the pros and cons of implementing a new function in note-taking software’s. This thesis focuses heavily on using the python library Spacy and its tools to complete this task. A prototype pipeline will be created and tested to find any difficulties with using AI NLP (natural language processing) on a simple laptop. Results are gathered with the help of f-score and a timer by using unsorted text from popular novels and passing the text through a pipeline which will create a doc object. The resulting object will be searched through with a matcher function, to find relations between PERSON labeled entities. The results from the prototype are, due to low computational power the process to sort text takes up to a few hours for large novels (200 000 words). With a lowering reading speed, the larger the novel. Though on smaller novels (20 000 words) can take around 13 minutes. The study shows the weaknesses and usefulness of being able to locally use AI to create a functional social network.