Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorBrychcín Tomáš, Ing. Ph.D.
dc.contributor.authorTušl, Michal
dc.contributor.refereePražák Ondřej, Ing.
dc.date.accepted2019-6-18
dc.date.accessioned2020-07-17T13:41:24Z-
dc.date.available2018-9-10
dc.date.available2020-07-17T13:41:24Z-
dc.date.issued2019
dc.date.submitted2019-5-15
dc.identifier79575
dc.identifier.urihttp://hdl.handle.net/11025/37428
dc.description.abstractTato 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.cs
dc.format58 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectzpracování přirozeného jazykacs
dc.subjectvícejazyčná sémantická podobnost textůcs
dc.subjectsémantikacs
dc.subjecttransformace metodou nejmenších čtvercůcs
dc.subjectkanonická korelační analýzacs
dc.subjectortogonální transformacecs
dc.subjectglovecs
dc.subjectword2veccs
dc.subjectfasttextcs
dc.subjectparagraph2veccs
dc.subjectskip-thoughtscs
dc.subjectsemevalcs
dc.subjectgoranglavascs
dc.titleVícejazyčná sémantická podobnost textůcs
dc.title.alternativeCross-lingual semantic textual similarityen
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-translatedThis 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.en
dc.subject.translatednlpen
dc.subject.translatedcross-lingual semantic textual similarityen
dc.subject.translatedstsen
dc.subject.translatedsemanticen
dc.subject.translatedleast square transformationen
dc.subject.translatedcanonical correlation analysisen
dc.subject.translatedorthogonal transformationen
dc.subject.translatedgloveen
dc.subject.translatedword2vecen
dc.subject.translatedfasttexten
dc.subject.translatedparagraph2vecen
dc.subject.translatedskip-thoughtsen
dc.subject.translatedsemevalen
dc.subject.translatedgoranglavasen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
DP_Tusl_A17N0092P.pdfPlný text práce744,12 kBAdobe PDFZobrazit/otevřít
A17N0092Phodnoceni-ved.PDFPosudek vedoucího práce466,58 kBAdobe PDFZobrazit/otevřít
A17N0092Pposudek-op.PDFPosudek oponenta práce553,16 kBAdobe PDFZobrazit/otevřít
A17N0092Pobhajoba.PDFPrůběh obhajoby práce279,37 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/37428

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)