but.committee	prof. Dr. Ing. Jan Černocký (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) doc. RNDr. Dana Hliněná, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen) RNDr. Marek Rychlý, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Komise shledala nedostatky práce natolik závažné, že se práci rozhodla hodnotit jako nevyhovující. Práce je nedokončená, obsahuje řadu nekompletních sekcí, implementace není popsána, práce nemá minimální rozsah, a není splněn bod zadání číslo 6. Otázky u obhajoby: * How to describe in a few sentences the main components of an ASR system? * How to analyze the results of the topic identification system? Is there any comparable results already published on similar corpus?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce nebyla úspěšně obhájena	cs
dc.contributor.advisor	Kesiraju, Santosh	en
dc.contributor.author	Vašš, Adam	en
dc.contributor.referee	Ondel, Lucas Antoine Francois	en
dc.date.created	2019	cs
dc.description.abstract	Táto práca sa zaoberá problémom spracovania prirodzeného jazyka a následnej klasifikácie. Použité systémy boli modelované na TED-LIUM korpuse. Systém automatického spracovania jazyka bol modelovaný s použitím sady nástrojov Kaldi. Vo výsledku bol dosiahnutý WER s hodnotou 16.6\%. Problém klasifikácie textu bol adresovaný s pomocou metód na lineárnu klasifikáciu, konkrétne Multinomial Naive Bayes a Linear Support Vector Machines, kde druhá technika dosiahla vyššiu presnosť klasifikácie.	en
dc.description.abstract	This thesis deals with the problems of language recognition and topic classification, using TED-LIUM corpus to train both the ASR and classification models. The ASR system is built using the Kaldi toolkit, achieving the WER of 16.6\%. The classification problem is addressed using linear classification methods, specifically Multinomial Naive Bayes and Linear Support Vector Machines, the latter method achieving higher topic classification accuracy.	cs
dc.description.mark	C	cs
dc.identifier.citation	VAŠŠ, A. Topic Identification from Spoken TED-Talks [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121941	cs
dc.identifier.uri	http://hdl.handle.net/11012/180586
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	TED	en
dc.subject	talks	en
dc.subject	identifikácia tém	en
dc.subject	strojové učenie	en
dc.subject	klasifikácia	en
dc.subject	transkripcia	en
dc.subject	lineárna klasifikácia	en
dc.subject	Kaldi	en
dc.subject	support vector machines	en
dc.subject	akustický model	en
dc.subject	lingvistický model	en
dc.subject	TED-LIUM	en
dc.subject	ASR	en
dc.subject	TED	cs
dc.subject	talks	cs
dc.subject	topic identification	cs
dc.subject	machine learning	cs
dc.subject	classification	cs
dc.subject	transcription	cs
dc.subject	linear classification	cs
dc.subject	Kaldi	cs
dc.subject	support vector machines	cs
dc.subject	acoustic modeling	cs
dc.subject	language modeling	cs
dc.subject	TED-LIUM	cs
dc.subject	ASR	cs
dc.title	Topic Identification from Spoken TED-Talks	en
dc.title.alternative	Topic Identification from Spoken TED-Talks	cs
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-14	cs
dcterms.modified	2020-05-10-16:13:38	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121941	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:26:53	en
sync.item.modts	2025.01.15 21:57:18	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Topic Identification from Spoken TED-Talks

Files

Original bundle

Collections