Název: Vylepšení systému podpory rozhodování o přenositelnosti kreditů mezi předměty
Další názvy: Improvement of a computed aided system for course articulation.
Autoři: Herman, David
Vedoucí práce/školitel: Konopík Miloslav, Ing. Ph.D.
Oponent: Sido Jakub, Ing.
Datum vydání: 2018
Nakladatel: Západočeská univerzita v Plzni
Typ dokumentu: diplomová práce
URI: http://hdl.handle.net/11025/31812
Klíčová slova: přenositelnost předmětů;sémantická podobnost textů;umělé neuronové sítě
Klíčová slova v dalším jazyce: course articulation;semantic text similarity;artificial neural networks
Abstrakt: Tato práce navazuje na spolupráci mezi Západočeskou Univerzitou a Americkou společností Owen Software Development Company. V rámci této spolupráce byl vytvořen systém pro automatické rozhodování o přenositelnosti kreditů mezi dvěma předměty. Hlavním cílem této práce je analýza stávajícího systému, návrh a implementace jeho vylepšení. V práci je popsáno a implementováno několik možných vylepšení stávajícího systému. Při návrhu vylepšení je hlavní důraz kladen na zachycení sémantické podobnosti názvu a popisu kurzů. Pro ověření kvality jednotlivých implementovaných vylepšení je v práci provedeno několik experimentů, které prokázaly, že se stávající systém podařilo vylepšit. Nejlepších výsledků je dosaženo za použití umělých neuronových sítí, kdy se stávající systém podařilo vylepšit o 11.2%.
Abstrakt v dalším jazyce: This thesis follows the cooperation between the University of West Bohemia and an American company Owen Software Development Company. During the cooperation, the research teams have developed the system for automatic course transferability decision making. The primary goal of this thesis is to analyze and improve upon the existing transferability decision system. The thesis describes multiple improvements that have been implemented to the existing system. The essence of implemented improvements is to capture the semantic information from the descriptive attributes of the courses. The results of the designed experiments have proved that we successfully increased the existing system performance. We have achieved the best results by employing the artificial neural networks; we have increased accuracy by 11.2%.
Práva: Plný text práce není přístupný.
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
herman_dp.pdfPlný text práce906,98 kBAdobe PDFZobrazit/otevřít  Vyžádat kopii
A16N0035P-rohodnuti.PDFOdůvodnění nezveřejnění VŠKP367,7 kBAdobe PDFZobrazit/otevřít  Vyžádat kopii
A16N0035Pposudek-op.PDFPosudek oponenta práce389,23 kBAdobe PDFZobrazit/otevřít
A16N0035Phodnoceni-ved.PDFPosudek vedoucího práce668,91 kBAdobe PDFZobrazit/otevřít
A16N0035Pobhajoba.PDFPrůběh obhajoby práce212,39 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/31812

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