Název:
Evaluace kvality strukturovaných dokumentací s využitím metod umělé inteligence
Překlad názvu:
Quality Evaulation of Structured Documentations Using Methods of Artificial Intelligence
Autoři:
Svrbíková, Simona ; Janoušek, Vladimír (oponent) ; Homoliak, Ivan (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2015
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Motivací této práce je poskytnout zjednodušení a urychlení hodnocení rozsáhlého počtu dokumentací s podobným obsahem. V rámci práce byl vytvořen nástroj pro automatizované hodnocení strukturovaných dokumentací, který byl otestovaný na studentských projektech se stejným zadáním. Nástroj využívá existující metody umělé inteligence pro potřeby strojového učení s učitelem. Zdrojem jedné skupiny atributů jsou řetězcové funkce využívající míru podobnosti textových řetězců. Další skupina atributů zohledňuje vlastnosti jako jsou strukturování dokumentu, stylistika, délka kapitol a jiné, které jsou statisticky vyhodnocované. V práci se spojují tyto skupiny atributů, aby byla dosažena vyšší diverzita klasifikačních objektů. Bylo experimentováno s neuronovými sítěmi, naivní Bayesovou metodou a také s metodou SVM. Analýza dat byla uskutečněna pomocí dolovacího nástroje RapidMiner. Přínosem této práce bylo ověřit možnosti použití klasifikace objektů, které vykazují podobné vlastnosti v prostoru rysů.
The motivation of this work is to provide evaluation simplicity and speedup of an extensive number of documentations with the same subject. The tool for automate evaluation was created and tested on the set of structured documentations originated from student´s projects with the same assignment. The tool uses an existing methods of the artificial intelligence for the purpose of the supervised learning. The source of the first attributes group are string-kernel functions using the criterion of the text strings similarity. Another group of attributes makes provision for properties like the structure of documentations, the stylistic, the length of chapters etc., which are statistically evaluated. These groups of attributes are joined together to achieve higher diversity of classified objects. The experiments present results achieved by using of neural networks, naive Bayes and SVM methods. The analysis of the data has been performed by data mining studio RapidMiner. The contribution of this work is to find out the classification usage possibilities in the case when classified objects have very similar properties in the feature space.
Klíčová slova:
evaluacedokumentaceumělá inteligencevalidace; evaluation documentationartifical intelligencevalidation
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/52561