Metody document retrieval pro ověřování faktů
Methods of Document Retrieval for Fact Checking
dc.contributor.advisor | Drchal Jan | |
dc.contributor.author | Martin Rýpar | |
dc.date.accessioned | 2021-06-15T22:52:01Z | |
dc.date.available | 2021-06-15T22:52:01Z | |
dc.date.issued | 2021-06-15 | |
dc.identifier | KOS-960815810605 | |
dc.identifier.uri | http://hdl.handle.net/10467/95315 | |
dc.description.abstract | Tato práce se zabývá přístupy pro vyhledávání dokumentů. Primárně se zaměřuje na metody hlubokého vyhledávání s využitím jazykových modelů a jejich srovnání s tradičními TF-IDF a BM25 modely. Modely jsou zkoumány v doméně ověřování faktů s cílem je posléze zakomponovat do systému pro ověřování výroků. Naše výsledky potvrzují, že přístupy založené na jazykových modelech dokáží překonat velmi solidní a robustní tradiční přístupy. Přístup spočívající v dalším předtrénování jazykového modelu na úlohách relevantních pro vyhledávání může přinést výrazné zlepšení, avšak za cenu delšího a pracnějšího tréninku a potřeby velkého množství dat. Model ColBERT implementující nové paradigma pozdní interakce překonal tradiční modely na obou souborech dat. | cze |
dc.description.abstract | This thesis deals with approaches for large-scale document retrieval. It primarily focuses on deep retrieval methods using language models and their comparison with traditional TF-IDF and BM25 models. The models are investigated in the fact-checking domain with the goal of eventually incorporating them into a system for verifying claims. Our results confirm that language-based contextualized approaches can outperform very solid and robust traditional approaches. The approach of further pre-training of language model on retrieval relevant tasks can yield significant improvement, but at the cost of longer and more laborious training and the need for large amounts of data. ColBERT model implementing a new late interaction paradigm outperformed traditional models on both datasets. | eng |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.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 | eng |
dc.rights | 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 | cze |
dc.subject | vyhledávání dokumentů | cze |
dc.subject | ověřování faktů | cze |
dc.subject | vyhledávání informací | cze |
dc.subject | BERT | cze |
dc.subject | TF-IDF | cze |
dc.subject | BM25 | cze |
dc.subject | NLP | cze |
dc.subject | document retrieval | eng |
dc.subject | fact checking | eng |
dc.subject | information retrieval | eng |
dc.subject | BERT | eng |
dc.subject | TF-IDF | eng |
dc.subject | BM25 | eng |
dc.subject | NLP | eng |
dc.title | Metody document retrieval pro ověřování faktů | cze |
dc.title | Methods of Document Retrieval for Fact Checking | eng |
dc.type | diplomová práce | cze |
dc.type | master thesis | eng |
dc.contributor.referee | Kordík Pavel | |
theses.degree.discipline | Datové vědy | cze |
theses.degree.grantor | katedra počítačů | cze |
theses.degree.programme | Otevřená informatika | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Diplomové práce - 13136 [833]