Kategorizace zákaznické zpětné vazby nezávislá na jazyce – Bc. Pavel PRŮCHA
Bc. Pavel PRŮCHA
Diplomová práce
Kategorizace zákaznické zpětné vazby nezávislá na jazyce
Categorization of customer feedback independent of the language
Anotace:
Kategorizaci zákaznické zpětné vazby využívají různé společnosti pro zkvalitnění produktu nebo služby, kterou nabízí. Tato diplomová práce se zabývá kategorizací zákaznické zpětné vazby nezávislé na jazyce. Konverze mezi jazyky využívá transformaci vektorového prostoru pomocí transformační matice a strojový překlad. Datový korpus pro trénování a testování klasifikátorů je vytvořen z recenzí řetězce …víceAbstract:
Categorization of customer feedback is used by various companies to improve the quality of the product or service they offer. This thesis deals with language-independent categorization of customer feedback. Conversion between languages uses vector space transformation using a transformation matrix and machine translation. The data corpus for training and testing classifiers is created from reviews …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 12. 5. 2023
Zveřejnit od: 31. 12. 2999
Obhajoba závěrečné práce
- Vedoucí: Doc. Ing. Josef Steinberger, Ph.D.
Citační záznam
Jak správně citovat práci
PRŮCHA, Pavel. Kategorizace zákaznické zpětné vazby nezávislá na jazyce. Plzeň, 2023. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd
Plný text práce
Právo: Autor si nepřeje zpřístupnění práce veřejnosti
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou nedostupné.
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných vědVázaný výtisk práce naleznete v Univerzitní knihovně ZČU, více na http://www.knihovna.zcu.cz/kvalifikacni-prace/
ZÁPADOČESKÁ UNIVERZITA V PLZNI
Fakulta aplikovaných vědMagisterský studijní program / obor:
Inženýrská informatika / Softwarové inženýrství
Práce na příbuzné téma
-
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Časoprostorové predikční modelování pandemie COVID-19 užitím umělé neuronové sítě
Martin KUKRÁL -
Neuronové sítě a jejich aplikace
Erik Benovic -
Model vozidla s automatickým sledováním trasy pomocí konvoluční neuronové sítě
Jakub Zahradník -
Využití neuronové sítě k optickému snímání polohy bodu v prostoru.
Martin Kolář -
Umělé neuronové sítě a jejich aplikace
Aleksandr Podyablonskiy -
Vícevrstvé neuronové sítě s aplikacemi v polarimetrii a zobrazování
Dominik VAŠINKA -
Návrh a implementace NLP aplikace pro odebrání podpisové části emailu pro vybranou firmu
Simona Elstnerová