Hluboké učení pro klasifikaci textů

Simple item page
but.committeedoc. Ing. Martin Medvecký, Ph.D. (předseda) doc. Ing. Vladislav Škorpil, CSc. (místopředseda) Ing. Pavel Bezpalec, Ph.D. (člen) doc. Ing. Kamil Říha, Ph.D. (člen) doc. Ing. David Kubánek, Ph.D. (člen) Ing. Vojtěch Zvončák, Ph.D. (člen)cs
but.defenceV seznamu zkratek uvádíte zkratku LSTM, Long short-term memory síť, v textu ani v přílohách jsem však žádnou zmínku o použití této sítě nenašel. Zkoušeli jste trénovat i architekturu která obsahovala LSTM? Jakou měla úspěšnost? zodpovedal.cs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorPovoda, Lukášcs
dc.contributor.authorKolařík, Martincs
dc.contributor.refereeHarár, Pavolcs
dc.date.created2017cs
dc.description.abstractPráce se zabývá rozborem současných metod strojového učení používaných pro emoční klasifikaci textových dat a testováním různých architektur neuronových sítí na problému binární klasifikace textů na pozitivní a negativní. Výstupem práce je návrh vlastní architektury hluboké konvoluční neuronové sítě, která je optimalizovaná pro problém a dosáhla úspěšnosti 79,9 procent. Navrhovaná metoda není závislá na použitém jazyce a je možno ji aplikovat i při využití méně detailně vytvořených vstupních trénovacích databází. Trénovací a testovací množina dat se skládala z kratších amatérských filmových recenzí v češtině a angličtině. Skripty byly psány v programovacím jazyce Python, využita byla knihovna pro modelování neuronových sítí Keras a výpočetní knihovna Theano. Kvůli zvýšení rychlosti výpočtu byly početní operace prováděny přes architekturu CUDA na grafické kartě. Součástí práce je také přehled teoretického základu pro práci s konvolučními neuronovými sítěmi a historie neuronových sítí.cs
dc.description.abstractThesis focuses on analysis of contemporary machine learning methods used for text classification based on emotion and testing several deep neural nework architectures. Outcome of this thesis is a neural network architecture, which is tuned for using with text data and which had the best result of 79,94 percent. Proposed method is language independent and it doesn’t require as precisely classified training datasets as current methods. Training and testing datasets were consisted of short amateur movie reviews in Czech and in English. Thesis contains also overview of theoretical basics for convolutional neural networks and history of neural networks and language processing Scripts were written in Python, neural networks were simulated using Keras library and Theano framework. We used CUDA for better performance.en
dc.description.markAcs
dc.identifier.citationKOLAŘÍK, M. Hluboké učení pro klasifikaci textů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.cs
dc.identifier.other102021cs
dc.identifier.urihttp://hdl.handle.net/11012/65880
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectCUDAcs
dc.subjectemocecs
dc.subjecthluboké učenícs
dc.subjectkerascs
dc.subjectklasifikacecs
dc.subjectneuronové sítěcs
dc.subjectstrojové učenícs
dc.subjecttheanocs
dc.subjectclassificationen
dc.subjectCUDAen
dc.subjectdeep learningen
dc.subjectemotionen
dc.subjectkerasen
dc.subjectmachine learningen
dc.subjectneural networksen
dc.subjecttheanoen
dc.titleHluboké učení pro klasifikaci textůcs
dc.title.alternativeDeep Learning for Text Classificationen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2017-06-07cs
dcterms.modified2017-06-08-15:30:21cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid102021en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:29:15en
sync.item.modts2025.01.15 21:08:06en
thesis.disciplineTelekomunikační a informační technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.75 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
5.16 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_102021.html
Size:
3.91 KB
Format:
Hypertext Markup Language
Description:
file review_102021.html
Download
Collections
2017