Testování podobnosti vět

Jiří HANKOVEC

Bakalářská práce

Semantic textual similarity

Anotace:

Cílem této práce je prozkoumat problematiku výpočtu sémantické podobnosti dvou českých vět. V této práci jsou představeny některé metody pro výpočet sémantické podobnosti jednotlivých slov i celých vět. Lidmi ohodnocené původní věty jsou převzaty z dat z mezinárodní soutěže SemEval. Testování sémantické podobnosti vět je prováděno na vytvořeném českém korpusu, který se skládá z 1200 dvojic vět bodově ohodnocených od 0 do 5 na základě jejich sémantické podobnosti. Přesnost vypočtené sémantické podobnosti u testovacích dvojic vět je měřena pomocí Pearsonovy korelace.

Abstract:

The goal of this bachelor thesis is to analyze the problematics of Semantic Textual Similarity (STS) and adapt current state-of-the-art methods for Czech language. STS systems are usually compared with manually annotated data. The data comes from international SemEval competition. This thesis reveals methods and evaluation process of STS and consist of dataset with two sentences rated with a score between 0 and 5. Testing is done on manually created dataset of 1200 pair of sentences. System is measured by Pearson's correlation and compared with human annotators.

Klíčová slova

Zpracování přirozeného jazyka, strojové učení, sémantická podobnost vět, předzpracování textu, lineární regrese

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 29. 6. 2017

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Obhajoba proběhla 29. 8. 2017
• Vedoucí: Ing. Lukáš Svoboda

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Bakalářský studijní program / obor:
Inženýrská informatika / Informatika