prikaz prve stranice dokumenta Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature
No public access
master's thesis
Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. urn:nbn:hr:168:032239
Baćac, Adriano
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Baćac, A. (2017). Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:032239

Baćac, Adriano. "Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:032239

Baćac, Adriano. "Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:032239

Baćac, A. (2017). 'Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 02 September 2024, https://urn.nsk.hr/urn:nbn:hr:168:032239

Baćac A. Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2017 [cited 2024 September 02] Available at: https://urn.nsk.hr/urn:nbn:hr:168:032239

A. Baćac, "Klasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2017. Available at: https://urn.nsk.hr/urn:nbn:hr:168:032239

Metadata
TitleKlasifikacija bioloških anotacija na velikoj skali koristeći reprezentacije riječi izvedene iz dokumenata biomedicinske znanstvene literature
Title (english)Classification of Large-Scale Biological Annotations Using Word Embeddings Derived from Corpora of Biomedical Research Literature
AuthorAdriano Baćac
MentorMile Šikić (mentor)
Committee memberMile Šikić (predsjednik povjerenstva)
Committee memberMarko Subašić (član povjerenstva)
Committee memberKrešimir Križanović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2017-07-10, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Naučeni su vlastiti Word2vec i GloVe modeli prikaza riječi za znanstvenu literaturu u području biomedicine, kao i tri klasifikacijske metode za diskriminaciju fenotipova, dvije temeljene na agregaciji vektorskog prikaza riječi, i jedna na rekurentnim neuronskim mrežama. Prikazi riječi su trenirani na velikom korpusu znanstvenih članaka i njegovim tematski specifičnim podskupovima. Rezultati klasifikacije su testirani na 6 izvora dokumenata. Pokazano je da Word2vec postiže bolje rezultate kada je treniran na tematski specifičnom podskupu koji je sačinjen od 4.9% od ukupnih članaka nego kada je treniran na cijelom korpusu. Korištenje rekurentnih neuronskih mreža imalo je problema s prenaučenosti, moguće zbog predugačkih dokumenata ili premalog skupa za učenje. Iako predloženi modeli nisu bili bolji od stroja potpornih vektora koristeći prikaz vreće riječi, pokazano je da korištenje agregacijskih metoda uz bazni model povećava količinu ispravne klasifikacije manjinske klase kod nekih fenotipova za oko 10%.
Abstract (english)
Custom Word2vec and GloVe embeddings for scientific literature in the biomedical domain were trained, as well as three classification methods for discriminating phenotype traits, two of which were based on aggregating word embeddings and one on recurrent neural networks. Word embeddings were trained on a large corpus of scientific articles and its more subject-specific subsets. Classification performance was tested on 6 document sources. It was shown that Word2vec achieves better performance when trained on a subject-specific subset corpus comprised of 4.9% articles, than when trained on the entire corpus. Using recurrent neural networks had an overfitting problem, possibly because the documents were too long or the training set too small. Although the proposed models did not outperform support vector machine using bag-of-words, it was shown that using the aggregation methods alongside the baseline model increases the amount of correctly classified minority class in some phenotype traits by around 10%.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:032239
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 on2019-03-13 18:43:47