Detekce anafor s využitím technik strojového učení

Bc. Ondřej Trnovec

Bakalářská práce

Anaphora detection using ML techniques

Anotace:

Předkládaná bakalářská práce si klade za úkol prozkoumat trendy v oblasti detekce anafor a poté vytvořit model strojového učení, který bude schopen určovat anafory na větné úrovní v úzké doméně – recenze mobilních aplikací. Po určení nejčastějších typů anafor v datasetu recenzí mobilních aplikací byla provedena jeho anotace. Pro vytvoření modelu strojového učení byl použit předtrénovaný multilingual BERT model s podporou pro český jazyk. Finální model dosáhl váženého F-score 0,74 na testovací sadě.

Abstract:

The presented bachelor thesis aims to explore trends in the field of anaphora detection and then to create a machine learning model that will be able to determine anaphors at the sentence level in a narrow domain - reviews of mobile applications. After determining the most common types of anaphors in the mobile application review dataset, the dataset was annotated. A pre-trained multilingual BERT model with support for the Czech language was used to create a machine learning model. The final model achieved a weighted F-score of 0.74 on the test set.

Klíčová slova

anafora, detekce anafor, BERT, strojové učení, word embeddings, anaphora, anaphora resolution, machine learning

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 9. 12. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 2. 2. 2023
• Vedoucí: Mgr. Marek Grác, Ph.D.
• Oponent: RNDr. Adam Rambousek, Ph.D.

Masarykova univerzita

Filozofická fakulta

Bakalářský studijní program / obor:
Filologie / Český jazyk se specializací počítačová lingvistika