|
|
Deep Neural Networks Used for Customer Support Cases Analysis
Marušic, Marek ; Ryšavý, Ondřej (oponent) ; Pluskal, Jan (vedoucí práce)
Artificial intelligence is remarkably popular these days. It can be used to resolve various highly complex tasks in fields such as image processing, sound processing, natural language processing, etc. Red Hat has an extensive database of resolved support cases. Therefore an idea was proposed to use these data for data mining and information retrieval in order to ease a resolution process of the support cases. In this work, various deep neural network models were created for prediction of features which could help during the resolution process. Techniques and models used in this work are described as well as their performance in the specific tasks. Comparison of individual models is outlined as well.
|
|
|
XMPP robot s rozhraním v přirozeném jazyce
Krygielová, Magdaléna ; Fapšo, Michal (oponent) ; Schmidt, Marek (vedoucí práce)
V této práci je popsán XMPP robot komunikující v přirozeném jazyce. Jeho úkolem je vytvářet rozhraní pro různé služby, zejména pro vyhledávání vlakových a autobusových spojení. Tento robot umožňuje lidem používajícím síť Jabber získávat informace týkající se implementovaných služeb tak, jak je jim přirozené, bez nutnosti vyplňovat formuláře, nebo pamatování si formátu příkazu.
|
|
|
Automatické vyhodnocování e-learningových testů
Hort, Jan ; Fapšo, Michal (oponent) ; Smrž, Pavel (vedoucí práce)
Tato práce se zabývá výzkumem automatického vyhodnocování e-learningových testů. Tato technika je užitečná pro oblasti počítačem řízené vyučování, e-elearningu a inteligentních výukových systémů. Rozšiřuje možnosti testování znalostí studentů v online prostředí. Práce se také zabývá normami pro oblast vzdělávání a inteligentními vývojovými systémy. Také stručně seznamuje s některými projekty z oblasti výukových inteligentních systémů.
|
|
|
Synchronizace textu a audia
Šíma, Tomáš ; Baskar, Murali Karthick (oponent) ; Szőke, Igor (vedoucí práce)
Účelem této práce je průzkum exitujících algoritmů pro synchronizaci textu a audia. Vybrali jsme exitující implementaci jednoho z těchto algoritmů, který je založený na skrytých markovových modelech sdružených sekvencí a prozkoumaly jsme jeho výhody, nevýhody a podivnosti. Dále jsme ověřili, zda je možné předvídat úspěšnost zarovnání z hodnot generovaných Viterbi algoritmem a hodnotou paprsku. Naše testovací data pochází od BBC a byla součástí MGB Challenge 2015. Díky svojí různorodosti poskytují tato data ideální testovací set k ověření flexibility našeho algoritmu a jakožto i jeho schopnosti tolerovat chyby.
|
|
|
Znalec encyklopedie
Krč, Martin ; Schmidt, Marek (oponent) ; Smrž, Pavel (vedoucí práce)
Předmětem projektu je systém pro zodpovídání otázek formulovaných v přirozeném jazyce. Práce pojednává nejprve o problémech spjatých se systému tohoto druhu a o některých uplatňovaných přístupech. Důraz je kladen na povrchové metody, které nejsou tolik náročné na dostupnost lingvistických zdrojů. V praktické části je pak popsán návrh systému, který zodpovídá faktografické otázky s využitím české Wikipedie jako zdroje informací. Extrakce odpovědí je založena zčásti na specifických rysech Wikipedie a zčásti na ručně předdefinovaných vzorech. Výsledky ukazují, že pro zodpovídání jednoduchých otázek je systém výrazně přínosnější než běžný vyhledávací stroj.
|
|
| |
|
|
Automatické konfigurování služeb operačního systému
Schiffer, Peter ; Peringer, Petr (oponent) ; Smrčka, Aleš (vedoucí práce)
Tato diplomová práce se zabývá konfigurací operačních systémů, jejich možnostmi a způsoby nastavení. Představuje rozdíly v konfiguraci operačních systémů podle jejich zaměření a pokročilé možnosti konfigurace operačních systémů pomocí aplikací třetích stran. Praktická část diplomové práce se zabývá návrhem nového počítačového jazyka zaměřeného na popis konfigurace operačního systému a jeho služeb. Tento popis konfigurace sloužící na automatickou konfiguraci systémových služeb se překládá na sekvenci konfiguračních příkazů. Výhoda jazyka spočívá v jeho dobré čitelnosti pro člověka, ale podobnost s přirozeným jazykem přináší určitou úroveň nejednoznačnosti. Navrhovaná metoda automatického generování příkazů řeší nejednoznačnost vyhledáváním co nejméně destruktivního řešení v podobě kombinaci konfiguračních příkazů.
|
|
|
Unsupervised and Semi-Supervised Multilingual Learning for Resource-Poor Languages
Tran, Manh-Ke ; Zeman, Daniel (vedoucí práce) ; Vidová Hladká, Barbora (oponent)
Pra ce se zaměřuje na neř zenou morfologickou segmentaci, jednu ze za kladn ch u loh poč tačov eho zpracov an přirozen eho jazyka. V t eto u loze je c lem rozložit slova na morf emy. Popisuji a reim- plementuji model navrženy v Lee et al. (2011) a vyhodnocuji ho na 4 jazyc ch. Nav c navrhuji generativn model, ktery dok aže využ t reprezentaci slov jako př davn e rysy. Slovn reprezentace jsou rovněž z sk ava ny neř zeny m zp usobem pomoc strojov eho učen a neuronov eho jazykov eho modelu. Pokusy ukazuj , že s využit m těchto př davny ch rys u celkova u spěšnost neř zen eho modelu vzr usta .
|
|
|
Synchronizace textu a audia
Šíma, Tomáš ; Baskar, Murali Karthick (oponent) ; Szőke, Igor (vedoucí práce)
Účelem této práce je průzkum exitujících algoritmů pro synchronizaci textu a audia. Vybrali jsme exitující implementaci jednoho z těchto algoritmů, který je založený na skrytých markovových modelech sdružených sekvencí a prozkoumaly jsme jeho výhody, nevýhody a podivnosti. Dále jsme ověřili, zda je možné předvídat úspěšnost zarovnání z hodnot generovaných Viterbi algoritmem a hodnotou paprsku. Naše testovací data pochází od BBC a byla součástí MGB Challenge 2015. Díky svojí různorodosti poskytují tato data ideální testovací set k ověření flexibility našeho algoritmu a jakožto i jeho schopnosti tolerovat chyby.
|
|
|
Deep Neural Networks Used for Customer Support Cases Analysis
Marušic, Marek ; Ryšavý, Ondřej (oponent) ; Pluskal, Jan (vedoucí práce)
Artificial intelligence is remarkably popular these days. It can be used to resolve various highly complex tasks in fields such as image processing, sound processing, natural language processing, etc. Red Hat has an extensive database of resolved support cases. Therefore an idea was proposed to use these data for data mining and information retrieval in order to ease a resolution process of the support cases. In this work, various deep neural network models were created for prediction of features which could help during the resolution process. Techniques and models used in this work are described as well as their performance in the specific tasks. Comparison of individual models is outlined as well.
|
host ::
RSS.