prikaz prve stranice dokumenta Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju
No public access
undergraduate thesis
Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:866277
Stojsavljević, Marin
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Stojsavljević, M. (2021). Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:866277

Stojsavljević, Marin. "Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:866277

Stojsavljević, Marin. "Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:866277

Stojsavljević, M. (2021). 'Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:866277

Stojsavljević M. Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 December 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:866277

M. Stojsavljević, "Modeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:866277

Metadata
TitleModeli za preporučivanje autorskih tekstualnih materijala bazirani na sadržaju te dubokom učenju
Title (english)Content-based recommender models for authored textual materials based on deep learning
AuthorMarin Stojsavljević
MentorMario Brčić (mentor)
Committee memberMario Brčić (predsjednik povjerenstva)
Committee memberAgneza Krajna (član povjerenstva)
Committee memberJuraj Dončević (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-07-01, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U današnje vrijeme sustavi za preporuku igraju vrlo važnu ulogu u svakodnevnom životu. Algoritmi strojnoga učenja čine okosnicu takvih sustava, a u posljednje vrijeme veliki zamah u industriji donijeli su algoritmi dubokog učenja. U ovome radu usporedit će se dvije arhitekture dubokog učenja - ručno rađena arhitektura višeslojnog perceptrona i duboka arhitektura s dva tornja. One su naučene nad trima različitim skupovima podataka čija će se kvaliteta usporediti pomoću spomenutih dubokih arhitektura. Također, ispitat će se i rezultati arhitekture dobivene iz automatskog sustava koja samostalno bira model i namješta njegove parametre.
Abstract (english)
Today, recommendation systems play very important role in our everyday lives. Machine learning algorithms form the backbone of such systems, and in recent times deep learning algorithms have brought great momentum to the industry. This paper will compare two deep learning architectures - a handmade multilayer perceptron architecture and a deep architecture with two towers. They are trained on three different data sets whose quality will be compared using those deep architectures. Also, the results of the architecture obtained from an automatic system that independently selects the model and sets its parameters will be examined.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:866277
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-14 21:41:58