Sumarizácia dokumentov z oblasti finančných trhov

Bc. Peter Chochula

Diplomová práce

Sumarizace dokumentů z oblasti finančních trhů

Anotace:

Tato práce se zabývá analýzou procesu automatické strojové sumarizace za účelem identifikace vhodného přístupu k sumarizaci článků z oblasti finančních trhu. Nejlepších výsledků strojové sumarizace dosahují přístupy hlubokého strojového učení, které byly objeveny v posledních letech. Práce se zabývá jejich popisem a tvorbou postupů, jak tyto přístupy používat, vyhodnotit a porovnat. Dále práce představuje náhled na historii metod strojové sumarizace a její různé formy, které se nachází v literatuře. Za účelem vyhodnocení jednotlivých přístupů vznikl anglický dataset určený na sumarizaci se zaměřením na oblast zájmu této práce.

Abstract:

This work analyses the process of automatic machine summarization to identify a suitable document summarizaton approach focused on financial markets. Nowadays, the best results in machine summarization are produced using deep learning methods based that emerged only in recent years. This work describes these approaches and creates a pipeline that uses, evaluates, and compares them against each other. Further, in this work can be found brief introduction into the history of machine summarization and its various forms that can be found in the literature. To evaluate all the methods, this work presents a new English dataset focused on summarization task with a focus on financial markets.

Abstract:

V tejto práci je analyzovaný proces automatickej strojovej sumarizácie za účelom identifikácie vhodného prístupu k sumarizovaniu článkov z oblasti finančných trhov. Najlepších výsledkov strojovej sumarizácie dosahujú najmä inovatívne metódy hlbokého strojového učenia, ktoré vznikli v posledných rokoch. Práca sa tak zaoberá ich popisom a tvorbou postupu, akým tieto prístupy využiť, vyhodnotiť a porovnať. Ďalej práca predstavuje náhľad na históriu strojovej sumarizácie a jej rôzne formy, s ktorými sa môžeme stretnúť v literatúre. Za účelom vyhodnotenia jednotlivých prístupov vznikol anglický dataset určený na sumarizáciu so zameraním na oblasť záujmu tejto práce.

Klíčová slova

zpracování přirozeného jazyka, sumarizace, extraktivní, abstraktivní, hluboké učení, finanční trhy, dataset

Keywords

natural language processing, summarization, extractive, abstractive, deep learning, financial markets, dataset

Klíčová slova

spracovanie prirodzeného jazyka, sumarizácia, extraktívna, abstraktívna, hlboké učenie, finančné trhy, dataset

Jazyk práce: slovenština

Datum vytvoření / odevzdání či podání práce: 9. 5. 2021

Obhajoba závěrečné práce

• Vedoucí: Ing. Jan Přichystal, Ph.D.

Mendelova univerzita v Brně

Provozně ekonomická fakulta

Magisterský studijní program / obor / specializace:
Systémové inženýrství a informatika / Ekonomická informatika / Informatika a její aplikace