Analýza entit v psychoterapeutických sezeních

Simple item page
but.committeedoc. Ing. Lukáš Burget, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (člen) doc. Ing. Vladimír Janoušek, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Jaroslav Rozman, Ph.D. (člen) Ing. Tomáš Milet, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A.cs
but.jazykčeština (Czech)
but.programInformační technologie a umělá inteligencecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMatějka, Pavelcs
dc.contributor.authorPolok, Alexandercs
dc.contributor.refereeKarafiát, Martincs
dc.date.accessioned2023-07-17T08:06:48Z
dc.date.available2023-07-17T08:06:48Z
dc.date.created2023cs
dc.description.abstractTato práce se zabývá analýzou psychoterapeutických sezení v rámci výzkumného projektu DeePsy. Jejím cílem je navrhnout a vytvořit sadu příznaků modelujících průběh sezení, jež mohou odhalit na první pohled nepatrné nuance. Zmíněné příznaky jsou automaticky extrahovány ze zdrojové nahrávky s využitím hlubokých neuronových sítí. Příznaky jsou zpracovány, porovnány napříč sezeními a graficky zobrazeny, čímž vzniká dokument plnící roli zpětné vazby o sezení pro terapeuta. Tato zpětná vazba může posloužit k profesnímu růstu a kvalitnější psychoterapii v budoucnu. Bylo dosaženo relativního zlepšení detekce řečové aktivity o 37,82 %. Byl zobecněn diarizační systém VBx ke konvergenci ke dvěma mluvčím s minimálním relativním zhoršením chybovosti o 0,66 %. Byl natrénován systém pro automatické rozpoznávání řeči, jehož chybovost je o 17,06 % relativně lepší než nejlepší dostupný hybridní model. Dále byly natrénovány systémy pro klasifikaci sentimentu, typu terapeutických intervencí a detekci překrývající se řeči.cs
dc.description.abstractThis work focuses on analyzing psychotherapy sessions within the DeePsy research project. This work aims to design and develop features that model the session dynamics, which can reveal seemingly subtle nuances. The mentioned features are automatically extracted from the source recording using neural networks. They are further processed, compared across sessions, and displayed graphically, creating a document that acts as a feedback document about the session for the therapist. Furthermore, this assistive tool can help therapists to professionally grow and to provide better psychotherapy in the future. A relative improvement in voice activity detection of 37.82% was achieved. The VBx diarization system was generalized to converge to two speakers with a minimum relative error rate degradation of 0.66%. An automatic speech recognition system has been trained with a 17.06% relative improvement over the best available hybrid model. Models for sentiment classification, type of therapeutic interventions, and overlapping speech detection were also trained.en
dc.description.markAcs
dc.identifier.citationPOLOK, A. Analýza entit v psychoterapeutických sezeních [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other144979cs
dc.identifier.urihttp://hdl.handle.net/11012/211922
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectstrojové učenícs
dc.subjectanalýza psychoterapeutických sezenícs
dc.subjectzpracování přirozeného jazykacs
dc.subjectzpracování řečics
dc.subjectrozpoznávání řečics
dc.subjectdetekce sentimentucs
dc.subjectdetekce klíčových slovcs
dc.subjectsumarizacecs
dc.subjectklasifikace terapeutických intervencícs
dc.subjectpřekrývající se řečcs
dc.subjectjazykové modelycs
dc.subjecttransformerycs
dc.subjectneuronové sítěcs
dc.subjectwav2vec 2.0cs
dc.subjectwhispercs
dc.subjecthovorový jazykcs
dc.subjectdiarizacecs
dc.subjectučení s vlastním dozoremcs
dc.subjectkontrastivní učenícs
dc.subjectmachine learningen
dc.subjectpsychotherapy session analysisen
dc.subjectnatural language processingen
dc.subjectspeech processingen
dc.subjectspeech recognitionen
dc.subjectsentiment detectionen
dc.subjectkeyword detectionen
dc.subjectsummarizationen
dc.subjecttherapeutic interventions classificationen
dc.subjectoverlapping speechen
dc.subjectlanguage modelsen
dc.subjecttransformersen
dc.subjectneural networksen
dc.subjectwav2vec 2.0en
dc.subjectwhisperen
dc.subjectcolloquial languageen
dc.subjectdiarizationen
dc.subjectself-supervised learningen
dc.subjectcontrastive learningen
dc.titleAnalýza entit v psychoterapeutických sezeníchcs
dc.title.alternativeHigh Level Analysis of the Psychotherapy Sessionsen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-16cs
dcterms.modified2023-06-16-15:06:30cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid144979en
sync.item.dbtypeZPen
sync.item.insts2023.07.17 10:06:48en
sync.item.modts2023.07.17 09:21:00en
thesis.disciplineStrojové učenícs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
final-thesis.pdf
Size:
8.1 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
review_144979.html
Size:
11.92 KB
Format:
Hypertext Markup Language
Description:
review_144979.html
Download
Collections
2023