Využití AI (LLM, VLM) pro podporu evidence vědecké publikační činnosti

Abstract

Tato diplomová práce se zaměřuje na problematiku automatické extrakce metadat z PDF souborů akademických publikací pomocí moderních modelů umělé inteligence. V teoretické části jsou představeny základy zpracování přirozeného jazyka, technologie hlubokého učení, současné přístupy k extrakci metadat a možnosti velkých jazykových modelů (LLM) a vizuálně-jazykových modelů (VLM). Praktická část práce představuje návrh a implementaci modulární extrakční pipeline, která zahrnuje pět různých přístupů: textovou pipeline (TEXT), embeddingovou pipeline s RAG (EMBEDDED), vizuálně-jazykovou pipeline (VLM), experimentální multimodální pipeline (MULTIMODAL) a hybridní pipeline (HYBRID) kombinující nejlepší výsledky textové a vizuální pipeline.