Využití velkých jazykových modelů pro vyhledávání informací

Vlček, Lukáš

Využití velkých jazykových modelů pro vyhledávání informací

dc.contributor.advisor	Král Pavel, prof. Ing. Ph.D.	cs
dc.contributor.author	Vlček, Lukáš	cs
dc.contributor.referee	Martínek Jiří, Ing. Ph.D.	cs
dc.date.accepted	2025-09-02
dc.date.accessioned	2026-02-20T16:04:22Z
dc.date.available	2024-09-09
dc.date.available	2026-02-20T16:04:22Z
dc.date.issued	2025-06-19
dc.date.submitted	2025-06-19
dc.description.abstract	Tato práce se zaměřuje na klíčové problémy velkých jazykových modelů a navrhuje dva nové systémy kombinující velké jazykové modely s externími datovými zdroji pro řešení komplexních úloh v oblasti získávání informací. První systém je navržený na odpovídání uživatelských dotazů na základě nestrukturovaných dat a využívá architekturu retrieval-augmented generation doplněnou o hybridní systém vyhledávání dokumentů kombinující sémantickou a lexikální podobnost. Nalezené dokumenty se poté seřadí pomocí cross-encoderu. Při vyhodnocení na benchmarku TriviaQA dosáhl tento systém úplnosti 0,78 a správnosti odpovědi 0,71.<br>Druhý systém je zaměřen na generování databázových dotazů na základě uživatelského vstupu a znalosti struktury databáze. Systém využívá velké jazykové modely pro automatizovanou analýzu dat a klasifikaci jejich typu, dále zahrnuje iterativní mechanismus založený na automatické zpětné vazbě, díky kterému dokáže dosahovat lepších výsledků. Na náročné datové sadě BEAVER dosáhl úplnosti získávání tabulek 0.58 a přesnosti získaných výsledků 0.12.	cs
dc.description.abstract-translated	This thesis focuses on the key issues of large language models (LLMs) and proposes two systems combining LLMs with external data sources to solve complex information retrieval tasks. The first system designed for open-domain questions answering uses a retrieval-augmented generation architecture combined with a hybrid retrieval with dense embeddings and lexical chunk representation followed by a cross-encoder reranker. Evaluated on the TriviaQA benchmark, this system achieved a recall metric of 0.78 and an answer correctness 0.71. The second system focuses on generating database queries based on user input and knowledge of the database schema. It uses LLMs for automated schema analysis and data type classification and includes an iterative mechanism built on automatic feedback to achieve better results. On the challenging enterprise-like BEAVER dataset, it achieved a table recall of 0.58 and an execution accuracy of 0.12.	en
dc.description.department	Katedra informatiky a výpočetní techniky	cs
dc.description.result	Obhájeno	cs
dc.format	73 s
dc.identifier	99643
dc.identifier.uri	http://hdl.handle.net/11025/65893
dc.language.iso	en
dc.publisher	Západočeská univerzita v Plzni	cs
dc.rights	Plný text práce je přístupný bez omezení	cs
dc.rights.access	openAccess	cs
dc.subject	Vyhledávání informací	cs
dc.subject	velké jazykové modely	cs
dc.subject	generování SQL	cs
dc.subject.translated	Information Retrieval	en
dc.subject.translated	IR	en
dc.subject.translated	Large Language Models	en
dc.subject.translated	LLM	en
dc.subject.translated	RAG	en
dc.subject.translated	Text-To-SQL	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.thesis.degree-level	Navazující	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-program	Softwarové a informační systémy	cs
dc.title	Využití velkých jazykových modelů pro vyhledávání informací	cs
dc.title.alternative	Application of Large Language Models for Information Retrieval	en
dc.type	diplomová práce	cs
local.files.count	6	*
local.files.size	28748249	*
local.has.files	yes	*
local.relation.IS	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=99643