dc.contributor.advisor	Henyš Petr, doc. Ing. Ph.D. :62628	cs
dc.contributor.author	Šíma, Petr	cs
dc.contributor.other	Kovalenko Iaroslav, Ing. Ph.D. :63985	cs
dc.contributor.referee	Hefka Lukáš, Ing. :69592	cs
dc.date.accessioned	2025-07-14T17:20:27Z
dc.date.available	2025-07-14T17:20:27Z
dc.date.committed	9.5.2025	cs
dc.date.defense	10.6.2025	cs
dc.date.issued	2025-06-10	cs
dc.date.submitted	25.10.2024	cs
dc.description.abstract	Tato práce je zaměřena na návrh a ověření funkcionalit dílčích částí systému sémantického vyhledávače s využitím velkého jazykového modelu. Teoretická část se zpočátku zaměřuje na princip sémantického vyhledávání a využití modelu v kontextu firemních aplikací. Dále se zde nachází popis funkce modelů, jejich architektury a implementaci v systému vyhledávání. Pozornost je věnována možnostem doučení modelů, obzvláště metodice parametricky efektivního doučení (Parameter Efficient Fine-Tuning). Tato metoda je klíčová pro přizpůsobení modelu specifickým potřebám, ale také vzhledem k omezeným zdrojům. Praktická část práce zahrnuje přípravu specifických dat, implementaci procesu sémantického vyhledávání a popis postupu doučení modelu. Cílem bylo zlepšit schopnost modelu porozumět technické dokumentaci a jejím specifickým nuancím. Důraz byl kladen na zpracování firemních dat v on-premise prostředí a možnost nasazení doučeného modelu na privátních zařízeních. Závěr práce shrnuje dosažené výsledky, porovnává výkon různých variant modelů a poskytuje doporučení pro jejich praktické nasazení v systémech sémantického vyhledávání.	cs
dc.description.abstract	This thesis focuses on the design and validation of the functionalities of individual components within a semantic search system utilizing a large language model. The theoretical part initially explores the principles of semantic search and the application of language models in corporate environments. It also describes the architecture and functioning of these models, along with their integration into search systems. Particular attention is given to fine-tuning techniques, especially Parameter-Efficient Fine-Tuning (PEFT), which is essential for adapting models to domain-specific requirements under resource constraints. The practical part includes the preparation of custom datasets, the implementation of the semantic search process, and explanation of the fine-tuning workflow. The goal was to improve the model's ability to comprehend technical documentation and its specific nuances. Emphasis was placed on handling corporate data in an on-premise environment and enabling deployment of the fine-tuned model on private infrastructure. The thesis concludes by summarizing achieved results, comparing the performance of different model variants, and providing recommendations for their practical use in semantic search systems.	en
dc.format	47 s. (64400 znaků)	cs
dc.identifier.uri	https://dspace.tul.cz/handle/15240/177342
dc.language.iso	CS	cs
dc.subject	sémantické vyhledávání	cs
dc.subject	velké jazykové modely	cs
dc.subject	doučování	cs
dc.subject	on-premise řešení	cs
dc.title	Doučování velkých jazykových modelů za účelem sémantického vyhledávání v produktové dokumentaci	cs
dc.title	Tutoring large language models for semantic search in product documentation	en
dc.type	diplomová práce	cs
local.degree.abbreviation	Navazující	cs
local.identifier.author	M23000158	cs
local.identifier.stag	47951	cs

Doučování velkých jazykových modelů za účelem sémantického vyhledávání v produktové dokumentaci

Files

Original bundle

Collections