Title: Vícejazyčná sémantická podobnost textů
Other Titles: Cross-lingual semantic textual similarity
Authors: Tušl, Michal
Advisor: Brychcín Tomáš, Ing. Ph.D.
Referee: Pražák Ondřej, Ing.
Issue Date: 2019
Publisher: Západočeská univerzita v Plzni
Document type: diplomová práce
URI: http://hdl.handle.net/11025/37428
Keywords: zpracování přirozeného jazyka;vícejazyčná sémantická podobnost textů;sémantika;transformace metodou nejmenších čtverců;kanonická korelační analýza;ortogonální transformace;glove;word2vec;fasttext;paragraph2vec;skip-thoughts;semeval;goranglavas
Keywords in different language: nlp;cross-lingual semantic textual similarity;sts;semantic;least square transformation;canonical correlation analysis;orthogonal transformation;glove;word2vec;fasttext;paragraph2vec;skip-thoughts;semeval;goranglavas
Abstract: Tato práce se zabývá metodami strojového učení bez učitele pro měření sémantické podobnosti textů napříč různými jazyky. Pro monolinguální reprezentaci textu bylo natrénováno několik modelů na korpusu z~Wikipedie. Pro vytvoření jazykově nezávislé reprezentace významu jsou monolinguální sémantické prostory transformovány do společného prostoru pomocí lineární transformace. Práce zkoumá lineární transformace za pomocí metody nejmenších čtverců, kanonické korelační analýzy a ortogonální transformace. Kromě standardní transformace na slovech práce představuje dva nové přístupy, a to transformaci na větách a transformaci Paragraph2Vec modelu. Experimenty jsou provedeny na vícejazyčných datasetech SemEval-2017 a GoranGlavas a je měřena Pearsonova a Spearmanova korelace oproti člověku. Zkoumané metody dosahují slibných výsledků na těchto datasetech.
Abstract in different language: This master thesis is focused on unsupervised machine learning methods for cross-lingual semantic textual similarity. For monolingual representation, multiple models were trained on the Wikipedia corpus. For languageindependent representation of meaning, monolingual semantic spaces are transformed into a shared space by the linear transformation. We study several linear transformations including Least Square Transformation, Canonical Correlation Analysis and Orthogonal Transformation methods. Including standard word transformation, the thesis also introduces two new approaches, transformation on sentences and transformation of Paragraph2Vec models. Experiments were examined on cross-lingual datasets SemEval-2017 and GoranGlavas. We measure Pearson and Spearman correlation between our methods and human judgements. Presented methods show very promising results.
Rights: Plný text práce je přístupný bez omezení
Appears in Collections:Diplomové práce / Theses (KIV)

Files in This Item:
File Description SizeFormat 
DP_Tusl_A17N0092P.pdfPlný text práce744,12 kBAdobe PDFView/Open
A17N0092Phodnoceni-ved.PDFPosudek vedoucího práce466,58 kBAdobe PDFView/Open
A17N0092Pposudek-op.PDFPosudek oponenta práce553,16 kBAdobe PDFView/Open
A17N0092Pobhajoba.PDFPrůběh obhajoby práce279,37 kBAdobe PDFView/Open


Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/37428

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.