04008ntm a22005537i 4500 000551566 CZ-PrVSE 20190127101544.0 m d cr n|||||||||| 190127s2018 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Kerner, Josef ISIS:100359 dis Using generative deep learning methods for chatbot creation eng Využití hlubokých neuronových sítí při tvorbě chatovacího robota / Josef Kerner 2018 ?? stran : digital, PDF soubor Vedoucí práce: Václav Zeman Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2019 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2019 Práce se zabývá využitím deep learning generativních modelů pro zpracování přirozeného jazyka za účelem vytvoření chatovacího robota. S chatbotem bude možné, aby v určité míře usnadňoval práci zákaznické podpory elektronického obchodu tím, že bude odpovídat na uživatelské dotazy.V první části práce jsou nejprve zmíněny příčiny rostoucí popularity využití deep learning modelů ve strojovém učení a pro počítačové zpracování přirozeného jazyka (NLP). Následně jsou zmíněny nejvíce používané architektury v rámci deep learningu jako konvoluční a rekurentní sítě a jejich využití v oblasti NLP a nové inovativní přístupy, jimiž jsou například LSTM a GRU sítě nebo obousměrné rekurentní sítě.Dále se práce zabývá přístupy pro statistické modelování přirozeného jazyka za účelem efektivní reprezentace sémantického významu zkoumaného textu. V této části práce jsou porovnávány starší přístupy jako bag of words, tf-idf nebo n-gramové modely s novějšími přístupy založenými na učení se vektorové reprezentaci textu ve mnoho-dimenzionálním vektorovém prostoru (Word2Vec a GloVe modely).V další části se práce zaměřuje na generativními modely pro tvorbu chatbota jako je například seq2seq model a porovnává tento způsob s metodami založenými na pravidlech a zmiňuje nedostatky generativních architektur a nastiňuje možnosti, jak tyto problémy řešit, jako je například attention mechanismus nebo paprskové prohledávání.Druhá část práce se poté zabývá praktickou implementací deep learning architektur, využití jazykových vektorových modelů a zpracování trénovacích dat pro natrénování chatbota. Také je provedeno ověření dosažených výsledků.Nakonec práce jsou též zmíněny etické otázky spojené s využitím deep learning technologií. Způsob přístupu: Internet znalostní a webové technologie [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas deep learning chatbot NLP sequence to sequence word2vec Attention mechanismus Keras Zeman, Václav ISIS:96325 ths Mrkos, Jan opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/64353/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/64353 Hlavní práce https://insis.vse.cz/zp/64353/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/64353/posudek/oponent/59349 Oponentura https://insis.vse.cz/zp/64353/priloha/17814 Přiloha k práci https://insis.vse.cz/zp/64353/podrobnosti dc:identifier NEPOSILAT VSKP vse64353 190122 64353