03934ntm a22005777i 4500 000264262 CZ-PrVSE 20221108171029.0 m d cr n|||||||||| 221108s2022 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Elstnerová, Simona ISIS:118845 dis Design and implementation of an NLP application for removing the signature part of an email for a selected company eng Návrh a implementace NLP aplikace pro odebrání podpisové části emailu pro vybranou firmu / Simona Elstnerová 2022 ?? stran : digital, PDF soubor Vedoucí práce: Filip Vencovský Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2022 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2022 Tato diplomová práce se zabývá návrhem a implementací aplikace, jež dokáže rozpoznat podpis emailu od jeho obsahu. Tato aplikace se bude později využívat při předpřípravě vstupních dat, tedy příchozích emailů, v rámci modelu, který klasifikuje samotný obsah emailu, aby se zjednodušilo jeho roztřídění a přeposílání na konkrétní oddělení. Struktura a jazyk použité v emailech se mnohdy diametrálně liší, jelikož email může být napsán formálně či neformálně, může se jednat o osobní, firemní, reklamní, úřední, či jiný druh emailu. Z tohoto důvodu je potřeba na úlohu klasifikace textu emailu nahlížet jakožto na NLP úlohu, jinak řečeno na úlohu zpracování přirozené řeči (natural language processing). V rámci této diplomové je nejprve popsána a vysvětlena současná situace třídění emailů ve vybrané firmě, kam se tato aplikace bude zařazovat. Dále je zde k nalezení rešerše akademických prací, jež se zabývají podobným tématem klasifikace emailů a nalezení jejich podpisových částí. Poté jsou zde prodiskutovány různé metody, které se u NLP aplikací využívají, a to jak při předpřípravě vstupních dat, výběru vhodného algoritmu a knihoven, tak pro vhodné míry validace již natrénovaných modelů. V praktické části diplomové práce je popsána tvorba samotné aplikace i s ukázky výpisu programovacího kódu. Nakonec práce jsou uvedeny doporučení, jak natrénovaný model nejlépe využít a co by bylo vhodné pro příští natrénování modelu změnit nebo upravit. Způsob přístupu: Internet informační systémy a technologie [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas zpracování přirozeného jazyka neuronové sítě hluboké učení sekvenční data strojové učení NLP textová klasifikace RNN rekurentní neuronové sítě Vencovský, Filip mzk2015883325 ths Vajdečka, Peter ISIS:135768 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/77054/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/77054 Hlavní práce https://insis.vse.cz/zp/77054/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/77054/posudek/oponent/75929 Oponentura https://insis.vse.cz/zp/77054/priloha/24675 Přiloha k práci https://insis.vse.cz/zp/77054/podrobnosti dc:identifier NEPOSILAT VSKP vse77054 221004 77054