Number of the records: 1
Performance evaluation of Machine Learning approaches for identifying parts of scientific affiliations
Title statement Performance evaluation of Machine Learning approaches for identifying parts of scientific affiliations [rukopis] / Jan Macháň Additional Variant Titles Performance evaluation of Machine Learning approaches for identifying parts of scientific affiliations Personal name Macháň, Jan, (dissertant) Translated title Performance evaluation of Machine Learning approaches for identifying parts of scientific affiliations Issue data 2023 Phys.des. 46 : grafy, schémata, tab. Note Ved. práce Karel Berka Oponent Martin Trnečka Another responsib. Berka, Karel, 1982- (thesis advisor) Trnečka, Martin (opponent) Another responsib. Univerzita Palackého. Katedra biochemie (degree grantor) Keywords afiliace * geolokalizace * embeddings * pre-trained word embeddings modely * modely strojového učení * klasifikace * statistické vyhodnocení * výběr vhodného modelu * analýza dat * affiliations * geo-localization * embeddings * pre trained word embeddings * machine learning models * classification * statistical evaluation * model selection * data analysis Form, Genre diplomové práce master's theses UDC (043)378.2 Country Česko Language angličtina Document kind PUBLIKAČNÍ ČINNOST Title Mgr. Degree program Navazující Degree program Bioinformatika Degreee discipline Bioinformatika book
Kvalifikační práce Downloaded Size datum zpřístupnění 00279172-769376153.pdf 10 2.7 MB 15.05.2023 Posudek Typ posudku 00279172-ved-530712776.pdf Posudek vedoucího 00279172-opon-696483076.pdf Posudek oponenta Průběh obhajoby datum zadání datum odevzdání datum obhajoby přidělená hodnocení typ hodnocení 00279172-prubeh-251335408.pdf 14.10.2021 15.05.2023 14.06.2023 A Hodnocení známkou
Tato diplomová práce zkoumá vhodnost několika volně dostupných natrénovaných modelů ke tvorbě word embeddings pro úlohu geolokalizace částí vědeckých afiliací. Analýza využívá statistické metody, jako jsou PCA a ANOVA, k určení nejvhodnějšího embeddings modelu. Tyto modely se používají v kombinaci s modely strojového učení, jako jsou neuronové sítě a další klasifikátory. Jako nejvýkonnější se ukazuje kombinace modelů neuronové sítě + uncsd-BERT embeddings. Jeho přesnost a průběh procesu učení jsou dále prozkoumány. Práce je případovou studií ilustrující možný postup výběru nejlepšího modelu pro konkrétní klasifikační úlohu a poskytuje pohled na současný stav výkonnosti vybraných embeddings modelů v této úloze. Primárním cílem je vyvinout model strojového učení pro geolokalizaci afiliací, bez nutnosti spoléhat na komerční nástroje.This diploma thesis investigates the suitability of multiple freely available pre-trained word embeddings (PWE) models for the task of geo-localizing parts of affiliations. The analysis employs statistical methods, such as PCA and ANOVA, to identify the most suitable PWE model. PWE models are used in combination with ML classifiers such as Neural Networks, Random Forests, Support Vector Classifier, and K-Nearest Neighbors. The Neural Networks together with uncsd-BERT embeddings model emerges as the best performing combination. Its classification performance and learning process are further evaluated. The thesis serves as a case study illustrating the selection of the best model for a specific classification task, and it provides insights into the state of the art performance of selected embeddings models on this task. The primary goal is to develop a ML model for geo-localizing affiliations without commercial tools.
Number of the records: 1