prikaz prve stranice dokumenta Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova
No public access
master's thesis
Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:895808
Gluhak, Martin
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Gluhak, M. (2018). Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak, Martin. "Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak, Martin. "Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak, M. (2018). 'Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak M. Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 November 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:895808

M. Gluhak, "Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:895808

Metadata
TitleEkstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova
Title (english)Extracting Semantic Relations between Entities from Scientific Texts
AuthorMartin Gluhak
MentorJan Šnajder (mentor)
Committee memberJan Šnajder (predsjednik povjerenstva)
Committee memberMarko Čupić (član povjerenstva)
Committee memberBojana Dalbelo-Bašić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2018-07-17, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Ekstrakcija relacija je zadatak obrade prirodnog jezika i ekstrakcije informacija čijim rješavanjem omogućavamo sustavima strojnog učenja dublje razumijevanje teksta. Znanstveni radovi sadrže mnogo stručnih informacija koje je ponekad teško sustavno pregledati te se proučavanjem problema iz perspektive te domene otvaraju mogućnosti stvaranja alata koji bi olakšali pronalazak ključnih informacija. Bogat vokabular i složene strukture rečenica dodatna su prepreka pri određivanju relacija u tekstovima znanstvenih radova. Implementiran je model temeljen na ručno oblikovanim značajkama, kao i više modela iz područja dubokog učenja. Kako bi se modeli prilagodili specifičnom jeziku znanstvenih radova posebno su naučene vektorske reprezentacije riječi za tu domenu. Isprobane su metode proširenja skupa podataka u području značajka kako bi se riješio problem nebalansiranosti razreda te su primijenjene tehnike preoblikovanja primjera kako bi se eliminirale asimetrične relacije.
Abstract (english)
Relation extraction is a task related to the fields of natural language processing and information extraction, and by solving this task the machine learning systems gain deeper understanding of the given text. Scientific papers contain many expert information which is sometimes hard to systematically examine and by researching relation extraction, possibilities open for creating tools which will allow easier discovery of key information. Rich vocabulary and complex sentence structure pose an additional obstacle in correctly assessing the relation type specific to this domain of text. Model are implemented based on handcrafted features, aswell as multiple models from the area of deep learning. Custom word embeddings are trained in order to adapt to the specific language of scientific texts. The problem of class imbalance is tackled by data augmentation in feature space and techniques of sample reshaping in order to eliminate asymmetrical relations.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:895808
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 20:29:00