Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.advisor | Konkol Michal, Ing. Ph.D. | |
dc.contributor.author | Hoang ngoc, Hung | |
dc.contributor.referee | Král Pavel, Doc. Ing. Ph.D. | |
dc.date.accepted | 2018-6-7 | |
dc.date.accessioned | 2019-03-15T10:17:46Z | - |
dc.date.available | 2017-10-10 | |
dc.date.available | 2019-03-15T10:17:46Z | - |
dc.date.issued | 2018 | |
dc.date.submitted | 2018-5-3 | |
dc.identifier | 75865 | |
dc.identifier.uri | http://hdl.handle.net/11025/32261 | |
dc.description.abstract | Tato práce se věnuje sémantickým modelům a především metodě skip-gram z knihovny word2vec. Pro tuto metodu bylo vytvořeno rozšíření založené na rozdělení vstupního slova na slabiky. K slabikování byl použit vylepšený Lán- ského algoritmus. Práce byla otestována na standardních datech v anglickém jazyce. Rozšíření nedosáhlo lepších výsledků než původní metoda skip-gram, ale prokázalo se, že i slabiky se dají použít k vyjádření sémantiky. | cs |
dc.format | 40 s. | cs |
dc.format.mimetype | application/pdf | |
dc.language.iso | cs | cs |
dc.publisher | Západočeská univerzita v Plzni | cs |
dc.relation.isreferencedby | https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=75865 | - |
dc.rights | Plný text práce je přístupný bez omezení. | cs |
dc.subject | sémantika | cs |
dc.subject | neuronové sítě | cs |
dc.subject | slabiky | cs |
dc.title | Využití neuronových sítí v sémantice slov | cs |
dc.title.alternative | Word Semantics using Neural Networks | en |
dc.type | bakalářská práce | cs |
dc.thesis.degree-name | Bc. | cs |
dc.thesis.degree-level | Bakalářský | cs |
dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta aplikovaných věd | cs |
dc.thesis.degree-program | Inženýrská informatika | cs |
dc.description.result | Obhájeno | cs |
dc.rights.access | openAccess | en |
dc.description.abstract-translated | This thesis is focused on semantic models especially on skip-gram method from word2vec library. For this method, an extension based on syllabifying an input word was introduced. Improved Lansky algorithm was used to syllabify words. The created model was tested on standard data in English language but it did not achieve better results than the original skip-gram method. This thesis proved that syllables can be used to create semantic models. | en |
dc.subject.translated | semantic | en |
dc.subject.translated | neural network | en |
dc.subject.translated | syllables | en |
Vyskytuje se v kolekcích: | Bakalářské práce / Bachelor´s works (KIV) |
Soubory připojené k záznamu:
Soubor | Popis | Velikost | Formát | |
---|---|---|---|---|
bp-hoang.pdf | Plný text práce | 683,2 kB | Adobe PDF | Zobrazit/otevřít |
A15B0038P hodnoceni.pdf | Posudek vedoucího práce | 369,4 kB | Adobe PDF | Zobrazit/otevřít |
A15B0038P posudek.pdf | Posudek oponenta práce | 202,14 kB | Adobe PDF | Zobrazit/otevřít |
A15B0038P obhajoba.pdf | Průběh obhajoby práce | 102,01 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/32261
Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.