Sökning: "Generering av naturligt språk"

Visar resultat 1 - 5 av 7 uppsatser innehållade orden Generering av naturligt språk.

  1. 1. Återanvända modellkod skriven i C på Android, iOS och HTML5 : En studie om möjligheten att återanvända modellkod skriven i C på Android, iOS och HTML5

    M1-uppsats, KTH/Hälsoinformatik och logistik

    Författare :Emre Demirel; Shifat Chowdhury; [2023]
    Nyckelord :Reuse model code; C; Android; iOS; HTML5; JNI; WebAssembly; Swift; Återanvändning av modellkod; C; Android; iOS; HTML5; JNI; WebAssembly; Swift;

    Sammanfattning : Syftet med denna studie är utforska möjligheterna att återanvända modellkod, skriven i C, över flera plattformar, nämligen iOS, Android och HTML5. Målet är att undersöka kodstorlek och komplexitet vid återanvändning av modellkod skriven i C på plattformarna. LÄS MER

  3. 2. Exploring toxic lexicon similarity methods with the DRG framework on the toxic style transfer task

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Martin Iglesias; [2023]
    Nyckelord :Detoxifcation; Text style transfer; Deep learning; Transformers; Linguistics; Natural Language Processing; Hate speech; Text style-conditional generation; Large language model; Avgiftning; Överföring av textstil; Djupinlärning; Transformatorer; Lingvistik; Naturlig språkbehandling; Hatprat; Textstil - villkorlig generering; Stor språkmodell;

    Sammanfattning : The topic of this thesis is the detoxification of language in social networks with a particular focus on style transfer techniques that combine deep learning and linguistic resources. In today’s digital landscape, social networks are rife with communication that can often be toxic, either intentionally or unintentionally. LÄS MER

  4. 3. A Comparative Study of the Quality between Formality Style Transfer of Sentences in Swedish and English, leveraging the BERT model

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Maria Lindblad; [2021]
    Nyckelord :Formality Style Transfer; BERT; Natural Language Generation; Swedish Language Models; GYAFC; Encoder-Decoder Models; Överföring av formalitetsstil; BERT; Generering av naturligt språk; Svenska språkmodeller; GYAFC; Kodnings-avkodningsmodeller;

    Sammanfattning : Formality Style Transfer (FST) is the task of automatically transforming a piece of text from one level of formality to another. Previous research has investigated different methods of performing FST on text in English, but at the time of this project there were to the author’s knowledge no previous studies analysing the quality of FST on text in Swedish. LÄS MER

  5. 4. Smart Auto-completion in Live Chat Utilizing the Power of T5

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Zhanpeng Wang; [2021]
    Nyckelord :Natural Language Processing; Natural Language Generation; T5; Sequence-to- sequence; Auto-completion; Transformer-based Pre-trained Language Model; Naturlig språkbehandling; Generering av naturligt språk; T5; Sekvens-tillsekvens; Automatkomplettering; Transformatorbaserad förtränad språkmodell;

    Sammanfattning : Auto-completion is a task that requires an algorithm to give suggestions for completing sentences. Specifically, the history of live chat and the words already typed by the agents are provided to the algorithm for outputting the suggestions to finish the sentences. LÄS MER

  7. 5. Improving Dialogue Context and Repeatability in Human-Robot Interaction

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Andrej Wilczek; [2021]
    Nyckelord :Natural Language Processing; Natural Language Generation; Human-Robot Interaction; Context-based; Telepresence; Naturlig språkbehandling; Generering av naturligt språk; Människa-Robot- Interaktion; Kontextbaserad; Telepresence;

    Sammanfattning : Natural Language Generation and generating believable verbal communication are critical components in the development of social robots. The work presented in this paper is based on the sequence-to-sequence model and is focused on improving context and repeatability through the inclusion of task- specific information. LÄS MER