Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorSido Jakub, Ing.
dc.contributor.authorSeják, Michal
dc.contributor.refereeFlek Lucie, Prof. Dr.
dc.date.accepted2022-6-20
dc.date.accessioned2022-07-18T22:33:53Z-
dc.date.available2021-9-10
dc.date.available2022-07-18T22:33:53Z-
dc.date.issued2022
dc.date.submitted2022-5-19
dc.identifier89770
dc.identifier.urihttp://hdl.handle.net/11025/49094-
dc.description.abstractAutomatická sumarizace textu je důležitý úkol z oboru zpracování přirozeného jazyka s mnoha aplikacemi. V této práci se zaměřujeme na sumarizaci novinových článků. V práci představujeme nový sumarizační dataset vytvořený z článků ČTK. Na tomto datasetu jsme natrénovali některé z nejmodernějších modelů pro extraktivní sumarizaci s využitím neuronových sítí BERT a Longformer a zhodnotili je podle metrik ROUGE-N, ROUGE-L a BertScore. Z experimentů vyplývá, že nejlepší model dle BertScore je založený na předtrénovaném Longformeru (0.802), ale lze jej využít jen pokud je dopředu znám či zadán počet vět ve shrnutí. Pokud tato informace k dispozici není, nejlepším přístupem se jeví klasifikace jednotlivých vět s kontextem a pozičními metadaty pomocí předtrénovaného modelu BERT (0.79).cs
dc.format75 s. (101778 znaků)
dc.language.isoen
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectsumarizacecs
dc.subjectnlpcs
dc.subjectextraktivnícs
dc.subjectvícedokumentovács
dc.subjectbertcs
dc.subjectczertcs
dc.subjectlongformercs
dc.titleSumarizace novinových článkůcs
dc.title.alternativeSummarization of News Articlesen
dc.typediplomová práce
dc.thesis.degree-nameIng.
dc.thesis.degree-levelNavazující
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programInženýrská informatika
dc.description.resultObhájeno
dc.description.abstract-translatedAutomatic text summarization is an important NLP task with many applications. Our particular area of focus is summarization of news articles. We introduce a new Czech summarization dataset created from CNA articles. Using this dataset, we trained multiple state-of-the-art approaches for extractive summarization using the BERT and Longformer model architectures and evaluate them using ROUGE-N, ROUGE-L and BertScore. We found that a pretrained Czech Longformer is the best approach regarding BertScore (0.802), when the number of summary sentences is known. If it is unknown, we found that the best approach is sentence-wise classification with context and positional metadata using a pretrained Czech BERT (BertScore 0.79).en
dc.subject.translatedsummarizationen
dc.subject.translatednlpen
dc.subject.translatedextractiveen
dc.subject.translatedmulti-documenten
dc.subject.translatedberten
dc.subject.translatedczerten
dc.subject.translatedlongformeren
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
masters.pdfPlný text práce1,44 MBAdobe PDFZobrazit/otevřít
A20N0106Phodnoceni-ved.pdfPosudek vedoucího práce119 kBAdobe PDFZobrazit/otevřít
A20N0106Pposudek-op.pdfPosudek oponenta práce1,25 MBAdobe PDFZobrazit/otevřít
A20N0106Pobhajoba.pdfPrůběh obhajoby práce552,7 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/49094

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)