Number of the records: 1
Aplikace strojového zpracování jazyka v automobilovém průmyslu
Title statement Aplikace strojového zpracování jazyka v automobilovém průmyslu [rukopis] / František Špaček Additional Variant Titles Aplikace strojového zpracování jazyka v automobilovém průmyslu Personal name Špaček, František, (dissertant) Translated title Natural language processing application in automotive industry Issue data 2023 Phys.des. 61 s. (121 114 znaků) : grafy, tab. Note Oponent Ondřej Vrabeľ Ved. práce Vladimír Matlach Another responsib. Vrabeľ, Ondřej, (opponent) Matlach, Vladimír (thesis advisor) Another responsib. Univerzita Palackého. Katedra obecné lingvistiky (degree grantor) Keywords analýza sentimentu * strojové učení * neuronové sítě * automobilový průmysl * strojové zpracování jazyka * NLP * sentiment analysis * machine learning * neural networks * automotive industry * natural language processing * NLP Form, Genre diplomové práce master's theses UDC (043)378.2 Country Česko Language čeština Document kind PUBLIKAČNÍ ČINNOST Title Mgr. Degree program Navazující Degree program Obecná lingvistika Degreee discipline Obecná lingvistika book
Kvalifikační práce Downloaded Size datum zpřístupnění 00284721-309739328.pdf 2 1.8 MB 10.12.2023 Posudek Typ posudku 00284721-ved-378783774.pdf Posudek vedoucího 00284721-opon-516187685.pdf Posudek oponenta Průběh obhajoby datum zadání datum odevzdání datum obhajoby přidělená hodnocení typ hodnocení 00284721-prubeh-680376151.pdf 07.12.2023 10.12.2023 10.01.2024 A Hodnocení známkou
Tato práce se zabývá analýzou sentimentu a její aplikací v automobilovém průmyslu. Jsou zde nastíněna úskalí a omezení specifická pro komerční sféru. Dále jsou popsány také různé přístupy k analýze sentimentu, které jsou zkoumány především z hlediska přesnosti klasifikace sentimentu, ale také i z hlediska vhodnosti pro automatickou anotaci dat. Mezi testované přístupy patří slovníkové metody, statistické a prostorové metody, neuronové sítě a předtrénované modely. Závěrem je výkon natrénovaných modelů vyhodnocen na vlastním doménovém datasetu.This thesis addresses sentiment analysis and its application in the automotive industry, outlining challenges and limitations specific to the commercial sector. Various approaches to sentiment analysis are described, with a focus on both the accuracy of sentiment classification and suitability for automatic data annotation. Tested methods include dictionary-based approaches, statistical and spatial methods, neural networks, and pre-trained models. In the end, the performance of trained models is evaluated on a proprietary domain-specific dataset.
Number of the records: 1