Balogh Dániel Balázs (2023) Beszédből Érzelmet: Gépi Tanulási és Mélytanulási Algoritmus Megközelítés az Érzelemfelismerésben. Pénzügyi és Számviteli Kar.
![[thumbnail of Balogh_Dániel_KW5ZCO.pdf]](http://dolgozattar.uni-bge.hu/style/images/fileicons/application_pdf.png) |
PDF
Balogh_Dániel_KW5ZCO.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB) |
|
PDF
BA_O_Balogh_Dániel.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (152kB) |
|
PDF
Balogh_Dániel.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (162kB) |
|
PDF
BA_B_Balogh_Dániel.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (667kB) |
Absztrakt (kivonat)
Ebben a szakdolgozatban részletesen vizsgálom a szentimentanalízis és gépi tanulás közötti kapcsolatot, valamint ezek gyakorlati alkalmazásait az érzelmi elemzés terén, különösen az audio hangfájlok esetében. Két fő hipotézist vizsgálok: az egyik arra irányul, hogy gépi tanulással lehetséges-e érzelmek alapján klaszterezni audio hangfájlokat, míg a másik azt kutatom, hogy a konvolúciós neurális hálózatok (CNN) hatékonyabbak-e ezen a területen, mint az emberi elemzők. Az eredményeket saját kutatási adatok alapján elemzem és értékelem a három fejezetből álló dolgozatban. Célom az érzelemanalízis és gépi tanulás fejlődésének elősegítése és az ágazatban rejlő lehetőségek bemutatása.
Intézmény
Budapesti Gazdasági Egyetem
Kar
Tanszék
Gazdaságinformatika Tanszék
Tudományterület/tudományág
NEM RÉSZLETEZETT
Szak
Konzulens(ek)
| Mű típusa: | diplomadolgozat (NEM RÉSZLETEZETT) |
|---|---|
| Kulcsszavak: | gépi tanulás, K-közép algoritmus, konvolúciós neurális hálózat, mélytanulási algoritmus, szentimentanalízis |
| SWORD Depositor: | Archive User |
| Felhasználói azonosító szám (ID): | Archive User |
| Rekord készítés dátuma: | 2024. Máj. 14. 08:09 |
| Utolsó módosítás: | 2024. Máj. 14. 08:09 |
Actions (login required)
 |
Tétel nézet |
