but.committee	prof. Dr. Ing. Jan Černocký (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) Ing. Michal Hradiš, Ph.D. (člen) doc. Ing. Vladimír Janoušek, Ph.D. (člen) Ing. Ondřej Kanich, Ph.D. (člen) Ing. Jaroslav Rozman, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Zvažovala jste použití existujících nástrojů pro bloky Vašeho nástroje? Například Scrapy pro procházení webů a Hydra pro pokročilou práci s parametry? Máte v plánů publikovat celý nástroj, nebo aspoň jeho části veřejně? Pracovala jste i s neurálními jazykovými modely? Jaká je velikost českého slovníku, který jste použila?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie a umělá inteligence	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Karafiát, Martin	cs
dc.contributor.author	Gregušová, Sabína	cs
dc.contributor.referee	Švec, Ján	cs
dc.date.accessioned	2022-06-21T07:58:10Z
dc.date.available	2022-06-21T07:58:10Z
dc.date.created	2022	cs
dc.description.abstract	Cieľom práce je implementovať systém pre automatickú adaptáciu jazykového modelu pre Phonexia ASR systém. Systém prijíma vstupný súbor, ktorý analyzuje a vyberie vhodné výrazy pre webové vyhľadávanie. Každé webové vyhľadávanie prináša množinu dokumentov, ktoré podstupujú čistenie a filtrovanie. Výsledný webový korpus sa zmieša s Phonexia modelom a vykoná sa evaluácia. Pre odhad optimálnych parametrov boli vykonané viaceré experimenty pre hindštinu, češtinu a mandarínsku čínštinu. Výsledky experimentov boli pozitívne a implementovaný systém bol schopný znížiť perplexitu a Word Error Rate vo väčšine experimentov.	cs
dc.description.abstract	The goal of this thesis is to implement a system for automatic language model adaptation for Phonexia ASR system. System expects input in the form of source that, which is analysed and appropriate terms for web search are chosen. Every web search results in a set of documents that undergo cleaning and filtering procedures. The resulting web corpora is mixed with Phonexia model and evaluated. In order to estimate the most optimal parameters, I conducted 3 sets of experiments for Hindi, Czech and Mandarin. The results of the experiments were very favourable and the implemented system managed to decrease perplexity and Word Error Rate in most cases.	en
dc.description.mark	C	cs
dc.identifier.citation	GREGUŠOVÁ, S. Adaptace jazykového modelu na cílovou doménu využívající stahování veřejných dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	145238	cs
dc.identifier.uri	http://hdl.handle.net/11012/207465
dc.language.iso	cs	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	speech-to-text	cs
dc.subject	automatické rozpoznávanie reči	cs
dc.subject	jazykový model	cs
dc.subject	adaptácia jazykového modelu	cs
dc.subject	automatické prehľadávanie webu	cs
dc.subject	automatické čistenie webových dokumentov	cs
dc.subject	automatické vyhodnotenie webových dokumentov	cs
dc.subject	speech-to-text	en
dc.subject	automatic speech recognition	en
dc.subject	language model	en
dc.subject	language model adaptation	en
dc.subject	automatic web search	en
dc.subject	automatic web document scraping	en
dc.subject	automatic assessment of web documents	en
dc.title	Adaptace jazykového modelu na cílovou doménu využívající stahování veřejných dat	cs
dc.title.alternative	Domain Specific Data Crawling for Language Model Adaptation	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2022-06-17	cs
dcterms.modified	2022-06-20-08:23:45	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	145238	en
sync.item.dbtype	ZP	en
sync.item.insts	2022.06.21 09:58:10	en
sync.item.modts	2022.06.21 08:17:48	en
thesis.discipline	Zpracování zvuku, řeči a přirozeného jazyka	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Adaptace jazykového modelu na cílovou doménu využívající stahování veřejných dat

Files

Original bundle

Collections