Diplomová práce

Transformer-Based Word Hyphenation

Bc. Jan Franěk
Anotace

Tato práce prozkoumává aplikaci neuronových sítí založených na architektuře transformerů na úkon identifikace dělících bodů slov přirozeného jazyka, zaměřujíc se zejména na český a německý jazyk. S rostoucími možnosti strojového učení v oblasti zpracování přirozeného jazyka jsme se soustředili na možnosti využití transformerů jako efektivní, kompaktní a obecné alternativy k současným nasazeným řešením …více

Abstract

This thesis investigates the application of transformer-based neural network architectures for the task of end-of-line hyphenation, focusing on the Czech and German languages. With the increasing capabilities of machine learning in natural language processing, we explored whether transformer models can serve as an effective, compact, and generalizable alternative to the current state-of-the-art approaches …více

Zadání práce
The thesis will study how the transformer architecture will be able to learn hyphenation. The student will concentrate on the languages, where ground truth data (hyphenated Czechoslovak and German word lists) are available, together with existing effective near-to-optimal solutions by competing patterns generated by the program Patgen.

The student will find the minimal architecture of the transformer comparable to the current solution (minimal patterns generated by Patgen with optimizations suggested in Ondřej Sojka's thesis). He will design a series of architectural experiments and compare their precision, recall, generalization, effectiveness, and efficiency. Then, in the minimal architecture, he will describe how the cascade of context-dependent exceptions is handled in the transformer without memorization to achieve both high accuracy and generalization (measured by cross-validation).
Práce zkontrolována:
22. 5. 2025 09:09, doc. RNDr. Petr Sojka, Ph.D., učo 2378
Jazyk práce
angličtina angličtina
Termín obhajoby
18. 6. 2025
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Petr Sojka, Ph.D., učo 2378
KVI FI MU

Oponent

RNDr. Marek Kadlčík, učo 485294
stud FI MU

Masarykova univerzita Fakulta informatiky
Plán
Strojové učení a umělá inteligence
  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.
  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.
  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.
  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.
  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.