| Název: | Detekce slov s nepravidelnou výslovností v českém textu |
| Další názvy: | Detection of words with irregular pronunciation in Czech text |
| Autoři: | Lehečka, Jan |
| Vedoucí práce/školitel: | Hoidekr, Jan |
| Oponent: | Švec, Jan |
| Datum vydání: | 2012 |
| Nakladatel: | Západočeská univerzita v Plzni |
| Typ dokumentu: | diplomová práce |
| URI: | http://hdl.handle.net/11025/2648 |
| Klíčová slova: | nepravidelná výslovnost;fonetická transkripce;automatická detekce jazyka;jazykový model;klasifikace;lineární systém rovnic;klasifikátor podle k-nejbližšího souseda;neuronové sítě |
| Klíčová slova v dalším jazyce: | irregular pronunciation;phonetic transcription;automatic language detection;language model;classification;linear system of equations;k-nearest neighbor classifier;neural networks |
| Abstrakt: | Cílem této diplomové práce je navrhnout a implementovat systém, který automaticky hledá a označuje slova s nepravidelnou výslovností v českých textech. Nepravidelná výslovnost slova je taková výslovnost, která nelze odvodit pomocí pravidel české fonetické transkripce. Pro řešení je použit klasifikátor, který roztřídí všechna slova do dvou tříd, a to do třídy slov s pravidelnou výslovností a třídy slov s nepravidelnou výslovností. Natrénovaný klasifikátor zohledňuje i slovník výjimek zabudovaný v existujícím fonetickém transkriberu. Výsledky této práce ukazují, že nejlepší klasifikace slov je dosaženo při použití klasifikátoru podle k-nejbližšího souseda. Dalšími zkoumanými klasifikátory v této práci byly neuronové sítě, lineární SVC a rozhodovací stromy. |
| Abstrakt v dalším jazyce: | The goal of this work is proposal and implementation of a system, which is able to find and mark words with irregular pronunciation in Czech texts. Irregular pronunciation of word is such pronunciation, that can not be derived by using rules of Czech phonetic transcription. To solve the problem, a classifier separating words into two classes is used. In the first target class, there are words with regular pronunciation, and the second class contains only words with irregular pronunciation. Trained classifier takes also a vocabulary of exceptions built in existing phonetic transcriber into consideration. The result of this work shows that the best classification is achieved when using k-nearest neighbor classifier. Other investigated classifiers in this work were neural networks, linear SVC and decision trees. |
| Práva: | Plný text práce je přístupný bez omezení. |
| Vyskytuje se v kolekcích: | Diplomové práce / Theses (KKY) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| dp_lehecka.pdf | Plný text práce | 1,3 MB | Adobe PDF | Zobrazit/otevřít |
| lehecka-v.pdf | Posudek vedoucího práce | 1,75 MB | Adobe PDF | Zobrazit/otevřít |
| lehecka-o.pdf | Posudek oponenta práce | 1,82 MB | Adobe PDF | Zobrazit/otevřít |
| lehecka-p.pdf | Průběh obhajoby práce | 1,48 MB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/2648Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.