Detail práce

Deep Neural Networks Used for Customer Support Cases Analysis

Diplomová práce Student: Marušic Marek Akademický rok: 2017/2018 Vedoucí: Pluskal Jan, Ing., Ph.D.
Název česky
Zpracování zákaznických požadavků za použití hlubokých neuronových sítí
Jazyk práce
anglický
Abstrakt

Umelá inteligencia je pozoruhodne populárna v dnešnej dobe, pretože si dokáže poradiť s rôznymi veľmi komplexnými úlohami v odvetviach ako napr. spracovanie obrazu, spracovanie zvuku, spracovanie prirodzeného jazyka a podobne. Keďže Red Hat doteraz už vyriešil obrovksé množstvo zákazníckych požiadavkov počas podpory rôznych produktov.Preto bola navrhnutá myšlienka použiť umelú inteligenciu práve na tieto dáta a docieliť tak zlepšenie a zrýchlenie procesu riešenia zákaznícky požiadavkov. V tejto práci sú popísané použité techniky na spracovanie týchto dát a úlohy, ktoré je možné riešiť pomocou hlbokých neurónových sietí. Taktiež sú v tejto práci popísane rôzne modely, ktoré boli vytvorené počas riešenia tejto práce a snažia sa adresovať rôzne úlohy. Ich výkony sú porovnané na spomínaných úlohách.

Klíčová slova

Red Hat, Support, Customer, Deep Learning, Natural Language, Neural Networks, Neuron, Text Processing, Data Mining

Ústav
Ústav informačních systémů FIT VUT v Brně
Studijní program
Informační technologie, obor Bioinformatika a biocomputing
Soubory
Stav
obhájeno, hodnocení B
Obhajoba
19. června 2018
Oponent
Ryšavý Ondřej, doc. Ing., Ph.D.
Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm "B".

Otázky u obhajoby
  1. Na straně 35 je vyhodnocení problému nalezení k-možných expertů pro řešení problému, ve kterém porovnáváte Vámi navržené metody s existujícím SBR. Proč jste použil lineární aproximaci přesnosti pro SBR klasifikátor? Z dat se zdá, že jeho přesnost by ve skutečnosti mohla být vyšší než vypočtená.
  2. Máte nějaké vysvětlení nízké přesnost klasifikace nalezení k-možných expertů pro řešení problému pro k menší než polovina velikosti skupiny SBR?
Komise
Sekanina Lukáš, prof. Ing., Ph.D. (UPSY FIT VUT), předseda
Burgetová Ivana, Ing., Ph.D. (UIFS FIT VUT), člen
Češka Milan, doc. RNDr., Ph.D. (UITS FIT VUT), člen
Martínek Tomáš, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Matoušek Radomil, doc. Ing., Ph.D. (ÚAI FSI VUT), člen
Zbořil František, doc. Ing., Ph.D. (UITS FIT VUT), člen
Citace
MARUŠIC, Marek. Deep Neural Networks Used for Customer Support Cases Analysis. Brno, 2018. Diplomová práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2018-06-19. Vedoucí práce Pluskal Jan. Dostupné z: https://www-dev.fit.vutbr.cz/study/thesis/20853/
BibTeX 
@mastersthesis{FITMT20853,
    author = "Marek Maru\v{s}ic",
    type = "Diplomov\'{a} pr\'{a}ce",
    title = "Deep Neural Networks Used for Customer Support Cases Analysis",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2018,
    location = "Brno, CZ",
    language = "english",
    url = "https://www.fit.vut.cz/study/thesis/20853/"
}

Závěrečné práce

Nahoru