Využití AI (LLM, VLM) pro podporu evidence vědecké publikační činnosti

Mikulecký, Pavel

Využití AI (LLM, VLM) pro podporu evidence vědecké publikační činnosti

DSpace Repository

Language: English čeština

Využití AI (LLM, VLM) pro podporu evidence vědecké publikační činnosti

dc.contributor.advisor	Prokopová, Zdenka
dc.contributor.author	Mikulecký, Pavel
dc.date.accessioned	2025-12-10T23:09:50Z
dc.date.available	2025-12-10T23:09:50Z
dc.date.issued	2024-10-27
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/57731
dc.description.abstract	Tato diplomová práce se zaměřuje na problematiku automatické extrakce metadat z PDF souborů akademických publikací pomocí moderních modelů umělé inteligence. V teoretické části jsou představeny základy zpracování přirozeného jazyka, technologie hlubokého učení, současné přístupy k extrakci metadat a možnosti velkých jazykových modelů (LLM) a vizuálně-jazykových modelů (VLM). Praktická část práce představuje návrh a implementaci modulární extrakční pipeline, která zahrnuje pět různých přístupů: textovou pipeline (TEXT), embeddingovou pipeline s RAG (EMBEDDED), vizuálně-jazykovou pipeline (VLM), experimentální multimodální pipeline (MULTIMODAL) a hybridní pipeline (HYBRID) kombinující nejlepší výsledky textové a vizuální pipeline.
dc.format	124 s. (121 047 znaků)
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	extrakce metadat	cs
dc.subject	velké jazykové modely	cs
dc.subject	vizuálně-jazykové modely	cs
dc.subject	zpracování přirozeného jazyka	cs
dc.subject	akademické publikace	cs
dc.subject	institucionální repozitář	cs
dc.subject	PDF analýza	cs
dc.subject	sémantické porovnání	cs
dc.subject	multimodální zpracování	cs
dc.subject	hybridní pipeline	cs
dc.subject	metadata extraction	en
dc.subject	large language models	en
dc.subject	vision-language models	en
dc.subject	natural language processing	en
dc.subject	academic publications	en
dc.subject	institutional repository	en
dc.subject	PDF analysis	en
dc.subject	semantic comparison	en
dc.subject	multimodal processing	en
dc.subject	hybrid pipeline	en
dc.title	Využití AI (LLM, VLM) pro podporu evidence vědecké publikační činnosti
dc.title.alternative	Use of AI (LLM, VLM) to Support the Documentation of Scientific Publishing Activities
dc.type	diplomová práce	cs
dc.contributor.referee	Fabián, Ondřej
dc.date.accepted	2025-06-19
dc.description.abstract-translated	This master's thesis focuses on the problem of automatic metadata extraction from PDF files of academic publications using modern artificial intelligence models. The theoretical part introduces the basics of natural language processing, deep learning technologies, current approaches to metadata extraction, and the capabilities of large language models (LLM) and vision-language models (VLM). The practical part presents the design and implementation of a modular extraction pipeline that includes five different approaches: text pipeline (TEXT), embedding pipeline with RAG (EMBEDDED), vision-language pipeline (VLM), experimental multimodal pipeline (MULTIMODAL), and hybrid pipeline (HYBRID) combining the best results from text and visual pipelines.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační technologie	cs
dc.thesis.degree-program	Information Technologies	en
dc.identifier.stag	70129
dc.date.submitted	2025-05-29