Podrobno

Razvoj iskalnika po transkribiranih avdio/video vsebinah z uporabo vektorskih vložitev in invertnega indeksa
ID Trošt, Tomi (Avtor), ID Bajec, Marko (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (1,17 MB)
MD5: 050B17D1BFF36181776EA8E1E3DC722A

Izvleček
V diplomski nalogi smo primerjali različne tehnike informacijskega poizvedovanja po velikih zbirkah zvočnega gradiva. Bolj konkretno v delu primerjamo uporabo poizvedovalnih metod, ki slonijo na iskanju ključnih besed in metod, ki slonijo na vektorskih vložitvah besed. Za namene evalvacije različnih metod informacijskega poizvedovanja smo razvili iskalni sistem po zvočnih posnetkih. Danes so na voljo kakovostni sistemi prepoznave govora tudi za slovenski jezik. Ti omogočajo strojno transkripcijo zvočnih zapisov, slednje pa daje možnost natančnega iskanja, saj so transkripti opremljeni s časovnimi značkami besed, ki v transkriptu nastopajo. Za domeno smo v nalogi izbrali podatkovno zbirko radijskih oddaj RTV. Razvita aplikacija za poizvedovanje služi kot demonstracijski sistem za iskanje po velikih zbirkah zvočnih posnetkov. Naše delo je pokazalo, da metode, ki temeljijo na vektorskem vlaganju besed, dosegajo višjo natančnost pri iskanju vsebin, saj učinkoviteje povzamejo pomen besed v njihovem lokalnem kontekstu. Kljub temu pa metode iskanja po ključnih besedah ostajajo hitrejše in računsko manj zahtevne. Prav kombinacija vlagalnih metod in metod iskanja po ključnih besedah, omogoča optimalno natančnost pri iskanju.

Jezik:Slovenski jezik
Ključne besede:invertirani indeks, TF-IDF, BM25, vektorske vložitve, skalarni produkt, HNSW, transkript, korpus, transkript
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2025
PID:20.500.12556/RUL-173265 Povezava se odpre v novem oknu
COBISS.SI-ID:253642243 Povezava se odpre v novem oknu
Datum objave v RUL:15.09.2025
Število ogledov:331
Število prenosov:116
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Development of a search engine for transcribed audio/video content using vector embeddings and an inverted index
Izvleček:
The aim of the thesis is to compare different techniques for information retrieval in large collections of audio material. More specifically, in the work we compare the use of query methods based on keyword search and methods based on vector word insertions. For the purposes of evaluating different methods of information retrieval, we have developed a search system for audio recordings. Today, high-quality speech recognition systems are also available for the Slovenian language. These enable machine transcription of audio recordings, and the latter provides the possibility of precise searching, as the transcripts are equipped with time stamps of the words that appear in the transcript. In the thesis, we have chosen the RTV radio broadcast database as the domain. The developed query application serves as a demonstration system for searching in large collections of audio recordings. Our work has shown that methods based on word embeddings achieve higher accuracy in content retrieval, as they capture the meaning of words more effectively within their local context. Nevertheless, keyword-based search methods remain faster and computationally less demanding. Combining embedding-based methods with keyword search allows for optimal accuracy in retrieval tasks.

Ključne besede:inverted index, TF-IDF, BM25, vector embedidngs, dot product, HNSW, transcript, korpus, transcript

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj