Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorKonopík Miloslav, Ing. Ph.D.
dc.contributor.authorSteinberger, David
dc.contributor.refereeZelinka Jan, Ing. PhD.
dc.date.accepted2016-9-6
dc.date.accessioned2017-02-21T08:28:12Z-
dc.date.available2015-9-1
dc.date.available2017-02-21T08:28:12Z-
dc.date.issued2016
dc.date.submitted2016-6-23
dc.identifier68335
dc.identifier.urihttp://hdl.handle.net/11025/23695
dc.description.abstractTato práce se zabývá statistickou sémantickou podobností a zaměřuje se na nástroj word2vec. Byla navržena rozšíření s ohledem na český jazyk založená na stemmování a n-gramech znaků. Výsledky této práce podávají na českém jazyce o 12% lepší výsledky než původní model. Na anglickém jazyce bylo dosaženo zlepšení o 3%. Nový model poskytuje dobré výsledky i při velmi malém množství trénovacích dat. V rámci práce byly vytvořeny dva trénovací korpusy a jedna obsáhlá testovací datová sada založená na podobnosti dvojic slov. Sada byla získána z 9 různých zdrojů dvojic slov, obsahuje slova v kontextech, odlišuje podobnost a souvislost slov. Výsledná mezi anotátorská shoda dosáhla korelaci 0,81, která je plně srovnatelná s anglickými datovými sadami.cs
dc.formatii s., 60 s., XI s.cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectword2veccs
dc.subjectdistribuční hypotézacs
dc.subjectzpracování přirozeného jazykacs
dc.subjectsémantická podobnostcs
dc.subjectumělé neuronové sítěcs
dc.subjectsémantické vektory slovcs
dc.titleMetody statistické sémantické analýzycs
dc.title.alternativeStatistical Semantic Analysis Methodsen
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe thesis deals with statistic semantic similarity focused on the word2vec tool. It introduces extensions for the Czech language based upon stemming and character n-grams. The achieved results improve the original tool by 12% on the Czech language and by 3% on English. The new model is providing good results even on small training data. In this thesis, we introduce two new training corpora and one large dataset based on similarity of word pairs. The dataset is compiled from 9 differenet sources, it contains words in their contexts, it distinguishes between the similarity and relatedness of the word pairs. The final inter-rater agreement reaches 0.81 correlation, which is fully comparable with english datasets.en
dc.subject.translatedword2vecen
dc.subject.translatedvector space modelen
dc.subject.translateddistributional hypothesisen
dc.subject.translatednlpen
dc.subject.translatedsemantic similarityen
dc.subject.translatedartificial neural networksen
dc.subject.translatedword embeddingsen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
D.Steinberger.Metody.statisticke.semanticke.analyzy.pdfPlný text práce2,04 MBAdobe PDFZobrazit/otevřít
A13N0095Pposudek-op.PDFPosudek oponenta práce593,82 kBAdobe PDFZobrazit/otevřít
A13N0095Phodnoceni-ved.PDFPosudek vedoucího práce372,23 kBAdobe PDFZobrazit/otevřít
A13N0095Pobhajoba.PDFPrůběh obhajoby práce203,05 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/23695

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra informatiky a výpočetní techniky / Department of Computer Science and Engineering
  5. Diplomové práce / Theses (KIV)