Detekce témat z mluvené řeči
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato bakalářská práce se zabývá detekcí témat z mluvené řeči. Zpracováním a převodem mluvené řeči na text se zabývá první část práce. Samotný problém detekce témat je řešen dvěma odlišnými přístupy - strojovým učením a expertním přístupen kladení velmi přesného dotazu na dokument. Obě metody jsou testovány nad sadou dat, statisticky vyhodnoceny a porovnány.
This thesis is about topic detection from spoken speech. The first part of the thesis deals with speech transcription to text. The thesis describes two different solutions of the topic detection - a machine learning based solution and an expert solution that composes a very precise query describing the document topic. Both methods are tested on a set of recordings and compared.
This thesis is about topic detection from spoken speech. The first part of the thesis deals with speech transcription to text. The thesis describes two different solutions of the topic detection - a machine learning based solution and an expert solution that composes a very precise query describing the document topic. Both methods are tested on a set of recordings and compared.
Description
Citation
ŠKEŘÍK, Z. Detekce témat z mluvené řeči [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Dr. Ing. Jan Černocký (předseda)
doc. Ing. Zdeněk Kotásek, CSc. (místopředseda)
doc. Ing. Lukáš Burget, Ph.D. (člen)
Ing. Radek Kočí, Ph.D. (člen)
Ing. Zbyněk Křivka, Ph.D. (člen)
Date of acceptance
2015-06-17
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D. Otázky u obhajoby: * Proč máte v tabulce 6.2 máte dvě trénovací sady (to je OK) a dvě testovací sady (to není OK)? Co tím chcete sdělit? * Napadají vás i jiné přístupy než SVM pro strojové učení? * Jak by šla zakomponovat "likelihood" do výsledných rozhodnutí o přijetí tématu?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení