Porozumění nestrukturovanému textu a automatické odpovídání na dotazy

Konrád Jakub

Unstructured text comprehension and question answering

Type of document

diplomová práce
master thesis

Author

Konrád Jakub

Supervisor

Šedivý Jan

Opponent

Pichl Jan

Field of study

Systémy a řízení

Study program

Kybernetika a robotika

Institutions assigning rank

katedra řídicí techniky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Tato práce se zabývá porozuměním nestruktorovanému textu a automatickým odpovídáním na otázky. Zaměřuje se na využití principů přenosu znalostí. Práce popisuje několik experimentů které ukazují zlepšení výkonu modelu natrénovaného na obecné bázi dat (SQuAD) přeneseného a přetrénovaného, na menší tematicky specifickou bázi dat.

This thesis deals with comprehension of unstructured text and question answering. Specifically we focus the benefits of transfer learning. We show several experiments where we employ transfer learning to adjust model created on general large QA dataset (SQuAD) with data from smaller topic specific datasets. We explore influence of transfer learning on datasets focusing on specific topic not included in the main domain.