prikaz prve stranice dokumenta Usporedba metoda za klasifikaciju tekstualnih dokumenata
No public access
undergraduate thesis
Usporedba metoda za klasifikaciju tekstualnih dokumenata
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. urn:nbn:hr:168:169302
Bošnjak, Renato
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Bošnjak, R. (2017). Usporedba metoda za klasifikaciju tekstualnih dokumenata (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:169302

Bošnjak, Renato. "Usporedba metoda za klasifikaciju tekstualnih dokumenata." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:169302

Bošnjak, Renato. "Usporedba metoda za klasifikaciju tekstualnih dokumenata." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:169302

Bošnjak, R. (2017). 'Usporedba metoda za klasifikaciju tekstualnih dokumenata', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 23 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:169302

Bošnjak R. Usporedba metoda za klasifikaciju tekstualnih dokumenata [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2017 [cited 2024 June 23] Available at: https://urn.nsk.hr/urn:nbn:hr:168:169302

R. Bošnjak, "Usporedba metoda za klasifikaciju tekstualnih dokumenata", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2017. Available at: https://urn.nsk.hr/urn:nbn:hr:168:169302

Metadata
TitleUsporedba metoda za klasifikaciju tekstualnih dokumenata
Title (english)Comparison of Text Classification Methods
AuthorRenato Bošnjak
MentorKrešimir Pripužić (mentor)
Committee memberKrešimir Pripužić (predsjednik povjerenstva)
Committee memberMarko Pavelić (član povjerenstva)
Committee memberDenis Salopek (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
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Abstract
Zbog postojanja vrlo velike količine tekstualnih dokumenata potrebno ih je, radi brže, jeftinije i lakše obrade, organizirati, odnosno podijeliti prema zajedničkim svojstvima na zadane klase. Takav postupak nazivamo klasifikacija koja je, osim na tekstualne dokumente, primjenjiva i na druge vrste podataka. S obzirom na svojstva podataka koje organiziramo, potrebno je odabrati onu metodu klasifikacije koja će najbolje odrediti pripadnost klasi. Odluka se temelji na teorijskim saznanjima o pojedinim metodama i usporedbi dobivenih rezultata. Moguće je da iste metode, primijenjene na različite skupove podataka, rezultiraju vrlo različitom točnosti određivanja klasa. U radu su opisana dva klasifikatora koji pripadaju različitim vrstama strojnog učenja. To su klasifikator najbližih susjeda i naivni Bayesov klasifikator. Za primjenu klasifikacije moguće je koristiti Apache Lucene, programsku knjižnicu otvorenog koda.
Abstract (english)
In order to efficiently process large number of textual documents it is necessary to organize them by assigning a class for each document. Because of that we use classification methods which can be applied to other types of data as well. Considering the properties of documents set, it is necessary to use a classification method which will result with the best classification result. The decision has to be made based on theoretical knowledge and regarding the given set of documents because the quality of the same method can vary regarding the properties of given set of documents. Two classification methods with different properties are described in this thesis. These are \textit{k}-Nearest Neighbor classification and Naive Bayes classifier. Apache Lucene, an open source information retrieval library, can be used for implementing text classification.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:169302
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 on2019-03-13 19:14:59