Kategorizace zákaznické zpětné vazby nezávislá na jazyce

Průcha, Pavel

Kategorizace zákaznické zpětné vazby nezávislá na jazyce

dc.contributor.advisor	Steinberger Josef, Doc. Ing. Ph.D.
dc.contributor.author	Průcha, Pavel
dc.contributor.referee	Přibáň Pavel, Ing.
dc.date.accepted	2023-6-19
dc.date.accessioned	2023-08-02T10:47:23Z
dc.date.available	2022-9-9
dc.date.available	2023-08-02T10:47:23Z
dc.date.issued	2023
dc.date.submitted	2023-5-12
dc.description.abstract	Kategorizaci zákaznické zpětné vazby využívají různé společnosti pro zkvalitnění produktu nebo služby, kterou nabízí. Tato diplomová práce se zabývá kategorizací zákaznické zpětné vazby nezávislé na jazyce. Konverze mezi jazyky využívá transformaci vektorového prostoru pomocí transformační matice a strojový překlad. Datový korpus pro trénování a testování klasifikátorů je vytvořen z recenzí řetězce McDonald's, ve kterých je následně manuálně označený sentiment ve vybraných kategoriích. Tímto způsobem je vytvořený trénovací korpus z českých recenzí a testovací korpusy z anglických a německých recenzí. Data jsou v různých kombinacích testována primárně na neuronových sítích CNN a LSTM s vektorovou reprezentací textu word2vec a fasttext. Nejúspěšnější kombinací modelů je LSTM s fasttext, která je použita v demonstrátoru práce.	cs
dc.description.abstract-translated	Categorization of customer feedback is used by various companies to improve the quality of the product or service they offer. This thesis deals with language-independent categorization of customer feedback. Conversion between languages uses vector space transformation using a transformation matrix and machine translation. The data corpus for training and testing classifiers is created from reviews of the chain McDonald's, in which the sentiment in selected categories is then manually annotated. In this way, the training corpus is created from Czech reviews and the test corpus from English and German reviews. Data are tested in various combinations primarily on neural networks CNN and LSTM with word embeddings word2vec and fasttext. The most successful combination of models is LSTM with fasttext, which are used in the work demonstrator.	en
dc.description.result	Obhájeno
dc.format	84 s. (104190 znaků)
dc.identifier	93488
dc.identifier.uri	http://hdl.handle.net/11025/53738
dc.language.iso	cs
dc.publisher	Západočeská univerzita v Plzni
dc.rights	Plný text práce je přístupný bez omezení
dc.subject	nlp	cs
dc.subject	strojové učení	cs
dc.subject	neuronové sítě	cs
dc.subject.translated	nlp	en
dc.subject.translated	machine learning	en
dc.subject.translated	neural networks	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-level	Navazující
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Inženýrská informatika
dc.title	Kategorizace zákaznické zpětné vazby nezávislá na jazyce	cs
dc.title.alternative	Categorization of customer feedback independent of the language	en
dc.type	diplomová práce