SlovKE ukazuje, prečo presná zhoda nestačí pri hodnotení slovenských kľúčových fráz

David Števaňák a Marek Šuppa v práci SlovKE opisujú korpus 227 432 vyčistených vedeckých abstraktov s autorskými kľúčovými frázami zo slovenského Centrálneho registra záverečných prác. Verzia arXiv v1 je datovaná 16. marca 2026. Medzi afiliáciami autorov figuruje aj Fakulta matematiky, fyziky a informatiky Univerzity Komenského v Bratislave.

Predmetom je výber krátkych výrazov vystihujúcich dokument. V slovenčine môže byť významovo správna fráza v texte skloňovaná inak než autorské heslo. Vyhodnotenie založené iba na totožnom reťazci tak nemusí zachytiť celý prínos extraktora.

Autori porovnali YAKE, TextRank a KeyBERT so SlovakBERT embeddingmi; skúmali aj KeyLLM s GPT-3.5-turbo. V abstrakte uvádzajú pre neškolené základné metódy najviac 11,6 % pri presnom F1@6 a až 51,5 % pri čiastočnej zhode. Manuálna časť hodnotila 100 dokumentov.

Čísla patria k tomuto korpusu a metodike. Nie sú univerzálnou mierou kvality slovenského vyhľadávania ani dôkazom, že generatívny model je vždy lepší. Ako hlavný problém práce označujú nesúlad ohýbaných a základných tvarov; medzi ďalšie chyby patrí nevhodná podrobnosť alebo opakovanie významu.

Modelová karta gerulata/slovakbert opisuje slovenský model trénovaný na dopĺňanie maskovaných slov a určený najmä na následné dolaďovanie. Upozorňuje aj na rozlišovanie veľkých a malých písmen. Pri replikácii experimentu preto záleží na konkrétnom použití modelu a predspracovaní; samotný názov SlovakBERT ešte neidentifikuje celý postup extrakcie.

Verejné metadáta repozitára NaiveNeuron/SlovKE na Hugging Face uvádzajú licenciu CC-BY-NC-4.0. Ide o licenciu s nekomerčným obmedzením, nie všeobecné povolenie ľubovoľného komerčného použitia. Počet vyčistených abstraktov v článku zároveň netreba zamieňať s počtom všetkých riadkov aktuálneho repozitára.

Redakcia overila výskumnú prácu a metadáta, nepreberala obsah záverečných prác ani nespúšťala platený model. Odporúčanie pre vlastné hodnotenie: kombinovať presnú zhodu, čiastočnú zhodu a ručnú kontrolu významu na reprezentatívnej vzorke. Výsledok z akademických abstraktov treba pred použitím v inom odbore znovu preveriť.