Táto diplomová práca sa zaoberá problematikou rozpoznávania sentimentu v texte pomocou neurónových sietí. Cieľom tejto práce je vybrať vhodný model na rozpoznávanie sentimentu v slovenských textoch a otestovať jeho presnosť na rôznych testovacích datasetoch. V úvodných kapitolách práce budú vysvetlené základné druhy sentimentu, ktoré je možné v texte klasifikovať. Ďalej sa popisujú teoretické základy a druhy neurónových sietí, princíp ich činnosti a rôzne spôsoby akými riešia rozpoznávanie sentimentu v texte. Budú predstavené aj populárne jazykové modely založené na neurónových sieťach typu transformer. Pôjde hlavne o rôzne variácie modelov BERT a GPT-3. Uvedú sa ich vlastnosti a aj metódy, akými vykonávajú klasifikáciu textu. Praktická časť sa zaoberá predstavením viacerých overovacích množín pre rozpoznávanie sentimentu v slovenských textoch. Pričom jedna z nich, bude vytvorená pomocou techniky zvanej web scraping a knižnice puppeteer. Niektoré texty overovacích množín sa potom použijú pri testovaní vybraných jazykových modelov na úlohe klasifikácie sentimentu. Model, ktorý dosiahne najlepšie výsledky z hľadiska správnosti predpovedí, bude zvolený za najvhodnejší pre klasifikáciu sentimentu v slovenských textoch.