Využití strojového učení k detekci časových entit

Bc. František Kropáč

Master's thesis

Machine Learning for Detection of Time Entities

Abstract:

Cílem práce je vytvořit nástroj, který umožní detekovat časové entity ve vyhledávacím dotazu. V teoretické části práce jsou základně probrány typy strojového učení, následně možné způsoby využití strojového učení, které by mohly napomoci ke kvalitní detekci vybraných časových entit. Praktická část je nejprve zaměřena na detailní popis zvoleného řešení, dále budou probrány podrobné aspekty řešení společně s implementačními detaily. Cílem je implementovat detekci časových entit, která ke své činnosti využívá jazykový model neuronové sítě Electra, aby bylo docíleno přesnější detekce. V závěru práce jsou vyhodnoceny dosažené výsledky kvality detekce a možné návrhy na budoucí vývoj nástroje.

Abstract:

The aim of this master's thesis is to create tool that provides time entity detection in search engine query. In theoretical part are introduced machine learning terms and some machine learning methods which can improve quality of time entity detection. The empirical part of this work is focused on choosen solution and detailed description of this approach. The goal is implementation of time entity detection which is using language model of neural network Electra to enhance detection accuracy. In the final part of the thesis are introduced results of time entity detection quality and provides an overview of possible future improvements of this tool.

Keywords

Strojové učení, zpracování přirozeného jazyka, textová klasifikace, regulární výrazy, časová entita, python, pytorch, Electra, C++.

Language used: Czech

Date on which the thesis was submitted / produced: 20. 5. 2022

Thesis defence

• Supervisor: doc. Ing. Roman Šenkeřík, Ph.D.

Tomas Bata University in Zlín

Faculty of Applied Informatics

Master programme / field:
Informační technologie / Software Engineering