Show simple item record

Relational Learning with Neural Networks for Machine Translation Evaluation



dc.contributor.advisorŠourek Gustav
dc.contributor.authorKrynský Daniel
dc.date.accessioned2018-06-09T08:08:40Z
dc.date.available2018-06-09T08:08:40Z
dc.date.issued2018-06-05
dc.identifierKOS-695600148105
dc.identifier.urihttp://hdl.handle.net/10467/76407
dc.description.abstractTato práce má za cíl vyhodnotit použití neuronových sítí založených na relačním přístupu pro automatickou evaluaci strojového překladu. Tento přístup využívá sadu relačních pravidel, která slouží jako template a která, spolu s relačními daty, může být využita pro vytvoření neuronových sítí. Jako ohodnocení kvality strojového překladu je použita metrika Human UCCA-based Machine Translation Evaluation a to na listech i vnitřních uzlech stromové reprezentace vstupních dat. Součástí experimentu bude porovnání evaluace překladu z Angličtiny do čtyřech různých jazyků. Relační přístup bude porovnán s feature-based přístupem s využitím neuronových sítí.cze
dc.description.abstractThe goal of this thesis is to evaluate the use of neural networks, which are based on a relational approach for automatic evaluation of machine translation. This approach makes use of a set of relational rules, which serve as a template and which, together with relational data can be used for creating neural networks. For the machine translation quality evaluation a metric called Human UCCA-based Machine Translation Evaluation is used, both for leaves and internal nodes of tree representation of the input data. Part of the experiment will be comparison of the evaluation of translation from English to four different languages. Relational approach will be compared with feature-based approach with the use of neural networks.eng
dc.language.isoENG
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA 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.htmleng
dc.rightsVysokoškolská 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.htmlcze
dc.subjectUmělé neuronové sítě,Relační učení,Zpracování přirozeného jazyka,Predikátová logika,Strojový překlad,Evaluační metrikycze
dc.subjectArtificial neural networks,Relational learning,Natural language processing,Predicate logic,Machine translation,Evaluation metricseng
dc.titleRelační učení s neuronovými sítěmi pro evaluaci strojového překladucze
dc.titleRelational Learning with Neural Networks for Machine Translation Evaluationeng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.contributor.refereeDrchal Jan
theses.degree.disciplineUmělá inteligencecze
theses.degree.grantorkatedra počítačůcze
theses.degree.programmeOtevřená informatikacze


Files in this item















This item appears in the following Collection(s)

Show simple item record