Zpracování přirozeného jazyka ve videohrách: Případová studie AI Dungeon – Bc. Viktor Porokh
Bc. Viktor Porokh
Bakalářská práce
Zpracování přirozeného jazyka ve videohrách: Případová studie AI Dungeon
Natural language processing in video games: the AI Dungeon case study
Anotace:
Tato bakalářská práce poskytne náhled na nástroje a techniky NLP (Natural Language Processing) a popíše možnosti, kde mohou být metody zpracování přirozeného jazyka použity, případně jak se užívají NLP techniky ve videoherním průmyslu na rozdíl od tradičních způsobů využití. Cílem práce je definovat a popsat techniky NLP na příkladu textové hry AI Dungeon, zasadit hru k systémům, kde člověk a agent …víceAbstract:
This bachelor thesis will summarize NLP (Natural Language Processing) tools and techniques and describe the possibilities where natural language processing methods can be used. How NLP techniques are used in the video game industry as opposed to traditional methods of use. The aim of the thesis is to define and describe NLP techniques on the example of the text game AI Dungeon, to find game’s place …víceKlíčová slova
NLP strojové učení hluboké učení uměla inteligence rekurentní neuronová síť LSTM síť Transformer jazykový model AI Dungeon videohra chatbot textová hra machine learning deep learning artificial intelligence recurrent neural network LSTM network language model videogame text\-based game
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 18. 5. 2022
Identifikátor:
https://is.muni.cz/th/bnm07/
Obhajoba závěrečné práce
- Obhajoba proběhla 16. 6. 2022
- Vedoucí: Mgr. Daniel Kvak
- Oponent: Mgr. et Mgr. Zdeněk Záhora
Citační záznam
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Filozofická fakultaMasarykova univerzita
Filozofická fakultaBakalářský studijní program / obor:
Teorie interaktivních médií / Teorie interaktivních médií
Práce na příbuzné téma
-
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Modul LSTM a Rekurentních neuronových sítí pro program Modeler neuronových sítí
Jiří Lagan -
Rekurentní neuronové sítě v modelování chyb virtuálního serveru
Ondřej Šprync -
Rekurentní neuronové sítě pro klasifikaci textů
Vojtěch Myška -
Rekurentní neuronové sítě pro rozpoznávání řeči
Tomáš Nováčik -
Rekurentní neuronové sítě v počítačovém vidění
Jan Křepský -
Rekurentní neuronové sítě pro analyzování sekvenčních dat
Valeriia Iegorova -
NSE Stock market prediction using Deep Recurrent Neural Network and comparison with ARIMA
Adithyan C Pankajakshan