REszta zrobiona. Robiny jest anotator.

diagramy/crawler.xml

@@ -1 +1 @@
-<mxfile userAgent="Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.79 Safari/537.36" version="8.7.6" editor="www.draw.io" type="device"><diagram id="625b897b-bc36-6d92-01ce-cd687e325a73" name="Page-1">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</diagram></mxfile>
+<mxfile userAgent="Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.79 Safari/537.36" version="8.8.1" editor="www.draw.io" type="device"><diagram id="625b897b-bc36-6d92-01ce-cd687e325a73" name="Page-1">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</diagram></mxfile>

rozdzial_3.tex

@@ -1,4 +1,4 @@
-\chapter{Podstawy teoretyczne/spis pojęć}
+\chapter{Podstawy teoretyczne i/lub spis pojęć}
 \chapter{Ekstrakcja godzin rozpoczęcia mszy świętych}
 \section{Ogólny zarys systemu}
 Architektura systemu ekstrakcji godzin rozpoczęcia mszy świętych została
@@ -30,7 +30,7 @@ klas z nieodfiltrowanego zbioru stron parafialnych wylosowane zostają niepopraw
 Zebrane dane zostają użyte do wytrenowania klasyfikatora godzin opartego na
 płytkich sieciach neuronowych.
 
-Klasyfikator używany jest do klasyfikacji godzin
+Klasyfikator używany jest do przyporządkowania godzin
 znalezionych przez ekstraktor godzin do następujących klas:
 \begin{itemize}
 \item poprawne godziny mszy świętych,
@@ -96,7 +96,7 @@ Dla każdej parafii zebrano:
 \end{table}
 
   Do wydobycia danych użyto skryptu w języku Python, który korzystał z parsera
-  HTML z biblioteki \textit{BeautifulSoup}\cite{beautiful_soup}. Przy wysyłaniu zapytań do serwisu deon.pl zastosowano
+  HTML z biblioteki \textit{Beautiful Soup}\cite{beautiful_soup}. Przy wysyłaniu zapytań do serwisu deon.pl zastosowano
   algorytm \textit{Expotential Backoff}\cite{expotential_backoff}, który
   przedstawia się następująco:
 
@@ -140,7 +140,7 @@ Dla każdej parafii zebrano:
   zapobiega zbyt częstemu wysyłaniu zapytań do serwisu. Dla przykładu załóżmy,
   że dany serwis jest obciążony i nie daje sobie rady z przetwarzaniem zapytań.
   Wtedy algorytm \textit{Expotential Backoff} przy każdym kolejnym niepowodzeniu
-  będzie czekał coraz dłużej zanim wyśle kolejne zapytanie. W ten sposób nie
+  będzie czekał coraz dłużej, zanim wyśle kolejne zapytanie. W ten sposób nie
   będzie niepotrzebnie obciążał serwisu.
 
 \section{Wyszukiwanie adresów URL parafii}
@@ -160,9 +160,9 @@ Do wyszukiwania adresów URL parafii próbowano wykorzystać wyszukiwarki takie
 Google i DuckDuckGo. Automatycznie wysyłano zapytanie złożone z konkatenacji
 nazwy parafii, jej miejscowości i ulicy, na której się znajduje. Wyszukiwarka Google dawała
 zadowalające wyniki, jednak po kilkunastu zapytaniach blokowała adres IP. W
-dodatku w warunkach użytkowania serwisu i w pliku robots.txt Google zabrania
+dodatku w warunkach użytkowania serwisu i w pliku \textit{robots.txt} Google zabrania
 korzystania z pająków na ich wyszukiwarce.
-Wyszukiwarka DuckDuckGo nie blokowała adresu IP, ale zabraniała indeksowania w pliku robots.txt i słaba radziła sobie z polskimi
+Wyszukiwarka DuckDuckGo nie blokowała adresu IP, ale zabraniała indeksowania w pliku \textit{robots.txt} i słabo radziła sobie z polskimi
 zapytaniami. W obu przypadkach powyższa metoda stwarzała kolejny problem do
 rozwiązania -- z wielu wyników wyszukiwania trzeba było wybrać ten, który zawierał
 adres URL parafii.
@@ -182,19 +182,21 @@ zapytań do 150 000 na 24 godziny. Karta płatnicza jest potrzebna Google do
 identyfikacji osoby. Żadna opłata nie jest pobierana za korzystanie z interfejsu
 API.
 
-Dla każdej parafii wykonywane jest zapytanie do serwisu \textit{Text Search}
+Dla każdej parafii wykonywane jest zapytanie do serwisu \textit{Text Search}.
-składające się z konkatenacji nazwy, parafii, jej miejscowości i ulicy, na której
+Składa się ono z konkatenacji nazwy parafii, jej miejscowości i ulicy, na której
 się znajduje. Jeśli nie zostanie znaleziony żaden obiekt, wysyłane jest powtórne
 zapytanie, lecz tym razem składające się tylko z nazwy parafii i jej
-miejscowości. Zdarza się, że serwis \textit{Text Search} zwraca kilka obiektów. W takim
+miejscowości.
+
+Zdarza się, że serwis \textit{Text Search} zwraca kilka obiektów. W takim
 przypadku brany jest adres URL pierwszego obiektu z listy wyników.
 Najczęściej jednak oba obiekty należą do tej samej parafii, więc mają taki sam
 adres internetowy. Taki przypadek przedstawia rysunek \ref{pic:text_search}.
-Serwis \textit{Text Search} zwraca dużo danych w formacie \textit{json}, które
+Serwis \textit{Text Search} zwraca dużo danych w formacie JSON, które
 ciężko przedstawić w przejrzystej postaci.
 Dla
-czytelności na rysunku \ref{pic:text_search} pokazano zrzuty z wyszukiwarki \textit{Google Maps},
+czytelności na rysunku \ref{pic:text_search} pokazano zrzuty ekranu z wyszukiwarki \textit{Google Maps},
-które odpowiadają rezultatowi jaki otrzymanoby korzystając z serwisu
+które odpowiadają rezultatowi, jaki otrzymano by, korzystając z serwisu
 \textit{Text Search}.
 
 \noindent Powyższą metodą udało się zebrać adresy URL dla ok. 5600 parafii.
@@ -275,14 +277,14 @@ silnik i wygląda następująco\footnote{Diagram i opis wzorowany jest na
   \item \textit{Downloader} pobiera stronę parafialną i umieszcza ją w odpowiedzi, którą
     przesyła silnikowi. Zanim odpowiedź dotrze do silnika, przetwarzana jest przez
     \textit{downloader middleware}.
-  \item Silnik otrzymuje odpowiedź od \textit{downloader'a}i przekazuje ją \textit{spider'owi} do
+  \item Silnik otrzymuje odpowiedź od \textit{downloader'a} i przekazuje ją \textit{spider'owi} do
     dalszego przetwarzania. Zanim odpowiedź trafi, do \textit{spider'a} przetwarzana jest
     przez \textit{spider middleware}.
   \item \textit{Spider} przerabia odpowiedź i zwraca dane strony parafialnej silnikowi. Zanim dane
     trafią, do silnika przechodzą przez \textit{spider middleware}. Dodatkowo \textit{spider}
     wysyła żądania z nowymi stronami parafialnymi do pobrania.
   \item Silnik wysyła zebrane dane do procesora danych, który zapisuje je do
-    pliku.. Następnie przekazuje nowe żądania do zakolejkowania
+    pliku. Następnie przekazuje nowe żądania do zakolejkowania
     dyspozytorowi.
 \end{enumerate}
 % \vspace*{-20mm}
@@ -297,15 +299,15 @@ i obrazy.
 Biblioteka \textit{Scrapy} obsługuje rozpoznawanie typu zawartości odpowiedzi, bazując na
 następujących kryteriach:
 \begin{itemize}
-\item wartości \mintinline{bash}{Content-type}\cite{RFC2045}, \mintinline{bash}{Content-Encoding}\cite{RFC7231} i \mintinline{bash}{Content-Disposition}\cite{RFC6266} w nagłówku odpowiedzi,
+\item wartości \mintinline{bash}{Content-type}\cite{RFC2045}, \mintinline{bash}{Content-Encoding}\cite{RFC7231} i \mintinline{bash}{Content-Disposition}\cite{RFC6266} w nagłówku odpowiedzi;
-\item nazwie pliku lub adresie URL (jeśli nie udało się rozpoznać po nagłówku),
+\item nazwie pliku lub adresie URL (jeśli nie udało się rozpoznać po nagłówku);
 \item obecności znaków kontrolnych w pierwszych 5000 bajtów odpowiedzi
   (jeśli nie udało się
   rozpoznać po nazwie pliku lub adresie URL).
 \end{itemize}
 Powyższy schemat postępowania jest skuteczny, jeśli serwisy internetowe zwracają
 poprawne odpowiedzi. Niestety niektóre strony parafialne potrafią zwracać
-odpowiedzi, które nie są zgodne z rozdziałem 3.1 z RFC7231\cite{RFC7231}.
+odpowiedzi, które nie są zgodne z rozdziałem 3.1 z dokumentu RFC7231\cite{RFC7231}.
 Dla przykładu strona potrafi zwrócić \mintinline{bash}{Content-Type: text/html}
 w nagłówku, a w ciele binarną
 zawartość np. film. Tego rodzaju anomalie są wykrywane i eliminowane.
@@ -353,7 +355,7 @@ ciała odpowiedzi.
 \end{algorithm}
 
 Algorytm \ref{alg:binaryornot} analizuje zawartość ciała odpowiedzi w celu
-stwierdzenia czy jest ona binarna czy nie.
+stwierdzenia czy jest ona binarna, czy nie.
 W linii 6 za znaki kontrolne uznano
 wszystkie znaki kontrolne ze zbioru C0\footnote{C0 to znaki kontrolne z kodu
   ASCII o kodach od 0 do 32 i o kodzie 127.} i C1\footnote{C1 to znaki kontrolne
@@ -373,21 +375,21 @@ Powyższe znaki zostały wykluczone, ponieważ często występują w plikach tek
 
 Warto zwrócić uwagę na linię 10. Współczynnik
 \mintinline{python}{control_char_ratio}
-oznacza procent znaków kontrolnych w pierszych 1024 bajtach pliku.
+oznacza procent znaków kontrolnych w pierwszych 1024 bajtach pliku.
 Jeśli współczynnik \mintinline{python}{control_char_ratio} jest większy niż
-$0.3$ to plik jest uznawany za binarny. Wartość $0.3$ została wzięta z
+$0,3$, to plik jest uznawany za binarny. Wartość $0,3$ została wzięta z
-kodu\footnote{Kod znajduje się pod linkiem \url{https://github.com/Perl/perl5/blob/v5.27.11/pp\_sys.c\#L3605-L3665}. Wartość 0.3 występuje w linii 3661.}
+kodu\footnote{Kod znajduje się pod linkiem \url{https://github.com/Perl/perl5/blob/v5.27.11/pp\_sys.c\#L3605-L3665}. Wartość 0,3 występuje w linii 3661.}
 źródłowego języka Perl, który między innymi zajmuje się rozpoznawaniem plików
 binarnych. Natomiast współczynnik \mintinline{python}{high_ascii_ratio} oznacza
 procent znaków EASCII\footnote{EASCII
-    oznacza rozszerzone kodowanie ASCII. Przykładowe rozszrzenia to systemy
+    oznacza rozszerzone kodowanie ASCII. Przykładowe rozszerzenia to systemy
     kodowania ISO 8859 lub UTF-8.}
   o kodach od 160 do 255.
 Reprezentacja tych znaków zależy od rozszerzenia ASCII. Najczęściej jednak są to
 znaki drukowalne, które rzadko występują w tekście.
-Jeśli współczynnik \mintinline{python}{high_ascii_ratio} jest większy niż $0.7$
+Jeśli współczynnik \mintinline{python}{high_ascii_ratio} jest większy niż $0,7$,
 to plik jest uznawany za binarny.
-Wartośc $0.7$ została dobrana na podstawie następujących obserwacji:
+Wartość $0,7$ została dobrana na podstawie następujących obserwacji:
 \begin{enumerate}
 \item Zdarzają się pliki binarne, które mają dużo znaków
   \mintinline{python}{high_ascii}. Przykładem jest plik z katalogu
@@ -396,15 +398,15 @@ Wartośc $0.7$ została dobrana na podstawie następujących obserwacji:
   zawiera bardzo dużo znaków o kodzie 255 w początkowych bajtach.
 \item Mało prawdopodobne jest, aby plik tekstowy miał w pierwszych 1024 bajtach
   więcej niż 70\% znaków \mintinline{python}{high_ascii}. Nawet jeśli pająk
-  natrafiłby na taki plik to z dużym prawdopodbieństwem nie zawierałby on
+  natrafiłby na taki plik, to z dużym prawdopodobieństwem nie zawierałby on
   informacji parafialnych.
 \end{enumerate}
 
 \subsection{Automatyczna regulacja częstości zapytań}
 Biblioteka \textit{Scrapy} zawiera przydatne rozszerzenie, które potrafi automatycznie
-regulować częstość zapytań w zależności od obciążenia pająka i strony internetowej.
+regulować częstość zapytań w zależności od obciążenia pająka i serwera.
 
-Algorytm \ref{alg:throttling} przedstawia sposób postępowania w jaki pająk
+Algorytm \ref{alg:throttling} przedstawia sposób postępowania, w jaki pająk
 automatycznie reguluje częstość zapytań. Idea algorytmu jest następująca.
 Załóżmy, że serwer potrzebuje
 \mintinline{python}{latency}\footnote{Zmienna \mintinline{python}{latency}
@@ -412,7 +414,7 @@ Załóżmy, że serwer potrzebuje
   zdefiniowana w algorytmie \ref{alg:throttling}.} sekund, aby odpowiedzieć pająkowi. Jeśli pająk chce
 mieć przetworzone równolegle
 \mintinline{python}{target_concurrency}\footnote{Stała
-  \mintinline{python}{target_concurrency} została zdefiniowana w algorytmie \ref{alg:throttling}.}zapytań to powinnien
+  \mintinline{python}{target_concurrency} została zdefiniowana w algorytmie \ref{alg:throttling}.}zapytań to powinien
 wysyłać każde zapytanie co \mintinline{python}{latency/target_concurrency}
 sekund.
 
@@ -507,17 +509,18 @@ maksymalnie wykorzystać łącze internetowe, które było wąskim gardłem w pr
 indeksowania stron parafialnych.
 
 \subsection{Organizacja danych}
-Dane zbierane przez pająka zapisywane są do pliku w formacie \textit{JSON
+
-  Lines}. Format \textit{JSON Lines} charakteryzuje się tym, że w każdej linii pliku
+\enlargethispage{1\baselineskip}
-znajduje się poprawny obiekt \textit{json}.
+Dane zbierane przez pająka zapisywane są do pliku w formacie JSONL. Format JSONL charakteryzuje się tym, że w każdej linii pliku
+znajduje się poprawny obiekt JSON.
 Dla
 każdej parafii pobrane dane zapisywane są w oddzielnym pliku. W każdej linii
-pliku znajduje się strona parafialna zapisana w formacie \textit{json}.
+pliku znajduje się strona parafialna zapisana w formacie JSON.
-Zapis w formacie \textit{JSON Lines} i traktowanie każdej linii jako strony parafialnej niesie szereg korzyści takich jak:
+Taki sposób organizacji danych przynosi szereg korzyści takich jak:
 \begin{enumerate}
 \item wygodne przetwarzanie równoległe,
-\item łatwa obróbka danych za pomocą narzędzi Unixowych,
+\item łatwa obróbka danych za pomocą narzędzi Uniksowych,
-\item mniejszy rozmiar pliku w porównaniu do zwykłego formatu \textit{json}.
+\item mniejszy rozmiar pliku w porównaniu do zwykłego formatu \textit{JSON}.
 \end{enumerate}
 
 \noindent Dla każdej strony parafialnej zapisywane są następujące informacje:
@@ -574,8 +577,7 @@ być godzinami rozpoczęcia mszy świętych. Został napisany z myślą, aby mia
  bardzo wysoką wartość pokrycia, ale już niekoniecznie wysoką precyzję.
  Celem jest,
  aby w zbiorze wyekstrahowanych godzin znalazło się jak najwięcej godzin
- rozpoczęcia mszy, bez względu na to, jak duży jest ten zbiór. Ekstraktor wraz
+ rozpoczęcia mszy, bez względu na to, jak duży jest ten zbiór.
- ze znalezioną godziną zapisuje kontekst w jakim ta godzina się znalazła.
 
  Do osiągnięcia tego celu zastosowano następujące reguły.
 Ciąg znaków oznaczony jako \mintinline{bash}{hour} zostanie wyekstrahowany, jeśli
@@ -589,6 +591,8 @@ zajdzie każdy z poniższych warunków:
   \item Jeśli znak przed \mintinline{bash}{hour} równa się
     \mintinline{python}{'('}, to znak po \mintinline{bash}{hour} jest różny od \mintinline{bash}{')'}.
 \end{enumerate}
+Ekstraktor wraz
+ ze znalezioną godziną zapisuje kontekst, w jakim ta godzina się znalazła.
 
 \section{Filtrowanie stron}
 \begin{figure}[tbh!]
@@ -601,16 +605,17 @@ zajdzie każdy z poniższych warunków:
 Na rysunku \ref{pic:filtrowanie} został przedstawiony fragment architektury
 systemu z rysunku \ref{pic:architektura}, który zostanie omówiony w tym podrozdziale.
 
-Filtr stron parafialnych ma za zadanie odnaleźć strony parafialne na których z
+Filtr stron parafialnych ma za zadanie odnaleźć strony parafialne, na których z
 dużym prawdopodobieństwem znajdują się godziny mszy świętych. Taki zabieg jest
 potrzebny, aby ograniczyć liczbę godzin, które trafią do anotatora. Gdyby nie zastosowano
-filtru stron parafialnych ekstraktor godzin wśród wszystkich stron parafialnych
+filtru stron parafialnych, ekstraktor godzin wśród wszystkich stron parafialnych
 znalazłby ponad 3 miliony godzin. Po zaaplikowaniu filtru stron i przetworzeniu
 ich przez ekstraktor godzin otrzymano 10920 godzin. Później godziny wraz z
-kontekstami poddawane są anotacji. Etap ten będzie dokładniej opisany w kolejnym podrozdziale.
+kontekstami poddawane są anotacji. Etap ten będzie dokładniej opisany w
+podrozdziale \ref{sec:anotator}.
 
 Reguły zastosowane do zadecydowania czy dana strona zawiera godziny mszy
-świętych zostały przedstawione w
+świętych, zostały przedstawione w
 algorytmie \ref{alg:has_mass}.
 \begin{algorithm}
 \setstretch{1.2}
@@ -621,7 +626,7 @@ algorytmie \ref{alg:has_mass}.
   if}{\nl else}{\nl end if}%
 \SetKwIF{If}{ElseIf}{Else}{if}{then}{else if}{else}{\nl end if}%
 \SetAlgoLined
-\SetKwData{url}{url}
+\SetKwData{link}{url}
 \SetKwData{bText}{btn\_text}
 \SetKwData{False}{False}
 \SetKwData{True}{True}
@@ -629,7 +634,7 @@ algorytmie \ref{alg:has_mass}.
 \SetKwInput{kwOutput}{Wyjście}
 \kwInput{\\
   \vspace{-0.5mm}
-  \Indp\url $\leftarrow$ adres internetowy analizowanej strony,\\
+  \Indp\link $\leftarrow$ adres internetowy analizowanej strony,\\
   \bText $\leftarrow$ tekst na przycisku, który doprowadził do
    analizowanej \phantom{\bText $\leftarrow$} strony.
 }
@@ -657,7 +662,7 @@ algorytmie \ref{alg:has_mass}.
 \nl $\badreg \leftarrow$
 \mintinline[breaklines]{python}{'nabo[zż]e[nń]stwa.(majowe|wielk|czerwcowe |maryjne|pasyjne|pokutne|fatimskie|do|ro[żz]a|czterdzie|w.wielk)'}
 
-\nl$\suf \leftarrow$ ciąg znaków w \url po ostatnim wystąpieniu \slash\;
+\nl$\suf \leftarrow$ ciąg znaków w \link po ostatnim wystąpieniu \slash\;
 
 \nl\uIfM{\begin{tabular}{@{\hspace*{-3.8pt}}l@{}}
 \nl \hspace*{1.2em}
@@ -671,31 +676,85 @@ algorytmie \ref{alg:has_mass}.
 }
 \end{algorithm}
 
-W algorytmie \ref{alg:has_mass} warto zwórcić uwagę na wyrażenia regularne
+W algorytmie \ref{alg:has_mass} warto zwrócić uwagę na wyrażenia regularne
  \mintinline{text}{ok_regex} i \mintinline{text}{bad_regex}. Wyrażenie
  regularne \mintinline{text}{ok_regex} ma za zadanie dopasować się do słów,
  które są powiązane z porządkiem mszy świętych. Stąd też pojawiają się tam
- wyrażenia takiej jak rozkład mszy lub porządek liturgii.
+ wyrażenia takie jak „rozkład mszy” lub „porządek liturgii”.
 
  Wyrażenie regularne \mintinline{text}{bad_regex} ma za zadanie dopasować się do
- słów, które są powiązane z innymi nabożeństami niż msze święte. Stąd pojawiają
+ słów, które są powiązane z innymi nabożeństwami niż msze święte. Stąd pojawiają
- się tam wyrażenia takie jak nabożeństwa czerwcowe czy nabożeństwa maryjne.
+ się tam wyrażenia takie jak „nabożeństwa czerwcowe” czy „nabożeństwa maryjne”.
 
 \section{Anotator danych}
+
+
 \begin{figure}[tbh!]
 \center
 \includegraphics[width=0.6\hsize]{annotator.png}
-\label{anotator_pic}
+\caption{Fragment architektury systemu przedstawiający komponent odpowiedzialny
+  za anotację danych.}
+\label{pic:anotator}
 \end{figure}
+
+Na rysunku \ref{pic:anotator} został przedstawiony fragment architektury
+systemu z rysunku \ref{pic:architektura}, który zostanie omówiony w tym podrozdziale.
+
+\subsection{Ogólny zarys}
 Anotator danych został stworzony w celu zebrania jak największej ilości
 danych dla klasyfikatora przewidującego czy zaznaczony fragment jest godziną
 rozpoczęcia mszy świętej, czy nie.
+Aby osiągnąć zamierzony cel anotator został zaprojektowany w ten sposób aby:
+\begin{itemize}
+\item był szybki,
+\item był dostępny na urządzeniach mobilnych i stacjonarnych,
+\item był prosty i wygodny w użyciu,
+\item umożliwiał wykrywanie oszustów (osób intencjonalnie źle anotujących).
+\end{itemize}
 
-Do dokończenia
+\noindent Anotator jest dostępny jako aplikacja internetowa pod adresem \url{msze.nsupdate.info}. Aplikacja jest
+responsywna, więc można z niej wygodnie korzystać na każdym urządzeniu
+wyposażonym w co najmniej 4 calowy wyświetlacz. Interfejs jest przejrzysty i
+został pokazany na rysunku X. Jedyne akcje jakie może wykonać użytkownik to:
+\begin{itemize}
+\item kliknąć „Tak” jeśli zaznaczono godzinę rozpoczęcia mszy,
+\item kliknąć „Nie” jeśli zaznaczono inną godzinę,
+\item cofnąć się do poprzedniej anotacji,
+\item wyświetlić instrukcję obsługi.
+\end{itemize}
+Po naciśnięciu przycisku „Tak” lub „Nie” ekran jest automatycznie przewijany na
+sam dół. Taka operacja zapewnia łatwy dostęp do przycisków odpowiedzialnych za anotację. Dzięki
+temu znajdują się one również zawsze w tym samym miejscu co ułatwia szybką
+anotację.
+Po naciśnięciu przycisku „Cofnij” ekran nie jest już przewijany na sam dół. W
+ten sposób zapewniono wygodny dostęp do przycisku „Cofnij”. Jest to szczególnie
+istotne w przypadku gdy
+użytkownik zamierza cofać się wiele razy.
 
-\section{Regułowy ekstraktor godzin mszy}
+Aby zapewnić odpowiednią jakość anotacji przy pierwszym urchomieniu wyświetlana
+jest instrukcja obsługi. Opisuje ona sposób w jaki należy anotować godziny oraz
+przedstawia przykłady poprawnie zanotowanych godzin. Intrukcję można zamknąć
+dopiero po przewinięciu jej na sam dół.
+
+Aplikacja nie wymaga logowania. Taka
+decyzja została podjęta ze względu na fakt, że anotatorami są wolontariusze.
+Wymóg rejestracji i logowania spowodowałby zmniejszenie liczby osób chętnych do
+anotacji. Takie podejście wiąże się jednak z problemem identyfikacji
+użytkowników. Identyfikacja jest niezbędna do prawidłowego funkcjonawania
+antotora. Chcielibyśmy wiedzieć, które godziny zostały zanotowane przez danego
+użytkownika, aby między innymi nie dać mu tych samych godzin do anotacji.
+
+\subsection{Identyfikacja urządzeń}
+Skuteczną identyfikację można przeprowadzić używając
+
+
+\subsection{Architektura anotatora}
+Architektura
+
+\subsection{Podsumowanie}
+\section{Regułowa ekstrakcja godzin mszy}
 Do napisania
-\section{Ekstraktor  godzin mszy oparty na uczeniu maszynowym}
+\section{Klasyfikacja godzin}
 Do napisania
 \subsection{Model teoretyczny}
 \subsection{FastText}