prikaz prve stranice dokumenta Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija
No public access
master's thesis
Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:412071
Ćurković, Sven
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Ćurković, S. (2023). Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković, Sven. "Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković, Sven. "Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković, S. (2023). 'Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 02 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković S. Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 June 02] Available at: https://urn.nsk.hr/urn:nbn:hr:168:412071

S. Ćurković, "Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:412071

Metadata
TitleUčinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija
Title (english)Efficient end-to-end named entity linking using Poincaré knowledge graph embeddings
AuthorSven Ćurković
MentorJan Šnajder (mentor)
Committee memberJan Šnajder (predsjednik povjerenstva)
Committee memberMarko Đurasević (član povjerenstva)
Committee memberMarko Čupić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-10, Croatia
Abstract
Povezivanje imenovanih entiteta (PIE) važan je zadatak u obradi prirodnog jezika čiji je cilj povezati entitete spomenute u tekstu s njihovim odgovarajućim entitetima u strukturiranoj bazi znanja. Zbog morfološke varijance, polisemije i sinonimije, kada se imenovni entiteti koriste u završnim zadacima, od iznimne je važnosti znati koji se spomeni entiteta odnose na koje entitete. Suvremeni pristupi povezivanju imenovanih entiteta često se oslanjaju na komplicirane sustave dodjeljivanja tipova koje je teško trenirati i koji zahtijevaju značanju količinu resura tijekom predikcije. U ovom diplomskom radu predložili smo jednostavan i učinkovit s-kraja-na-kraj model za PIE. Naš se pristup uvelike oslanja na slabo nadzirano predtreniranje nad Wikipedijom, bez da je nužno potreban skup podataka za PIE za fino podešavanje. Zato je naš pristup posebno privlačan za jezike s malo označenih podataka. Pokazali smo da efikasan model za PIE sa jednostavnom arhitekturom može postići visoku točnost i biti izuzetno robustan.
Abstract (english)
Named entity linking (NEL) is an important task in natural language processing that aims to connect entity mentions in text to their corresponding entities in a structured knowledge base. Due to morphological variance, polysemy, and synonymity, knowing which entity mentions are referring to which entities is vital when using named entities in downstream tasks. Current state-of-the-art approaches often rely on complicated typing systems, which are hard to train, resource intensive during inference, and hard to maintain. In this master's thesis, we proposed a simple and efficient end-to-end NEL model. Our approach relies heavily on weakly supervised pre-training on Wikipedia, without necessarily needing a NEL dataset for fine-tuning. This makes our approach especially attractive for low-resource languages. We showed that an efficient named entity linking model with a simple architecture can achieve high accuracy and be remarkably robust.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:412071
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 08:41:42