prikaz prve stranice dokumenta Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima
No public access
master's thesis
Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:636050
Kelava, Josipa
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Kelava, J. (2018). Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:636050

Kelava, Josipa. "Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:636050

Kelava, Josipa. "Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:636050

Kelava, J. (2018). 'Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 August 2024, https://urn.nsk.hr/urn:nbn:hr:168:636050

Kelava J. Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 August 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:636050

J. Kelava, "Sustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:636050

Metadata
TitleSustav za izgradnju afektivnog rječnika za hrvatski jezik zasnovan na društvenim medijima
Title (english)System for creating an affective lexicon for Croatian language based on social media
AuthorJosipa Kelava
MentorVedran Podobnik (mentor)
Committee memberVedran Podobnik (predsjednik povjerenstva)
Committee memberOgnjen Dobrijević (član povjerenstva)
Committee memberMarina Bagić Babac (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2018-07-13, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom diplomskom radu prikazane su dvije metode izrade afektivnih rječnika na hrvatskom jeziku te su izgrađena dva rječnika. Rječnici su izgrađeni na temelju podataka prikupljenih s društvene mreže Facebook. Stranice s kojih su dohvaćeni podaci su Facebook stranice hrvatskih medijskih portala. Programski jezici koji su korišteni za dohvat podataka, obradu istih (lematizacija, uklanjanje zaustavnih riječi itd.) i izgradnju rječnika su skriptni jezici R i Python. Nad prikupljenim objavama se provodi klasifikacija pomoću izgrađenih rječnika te se na temelju rezultata računaju mjere koje pokazuju koliko su dobri rezultati klasifikacije. Od cjelokupnog skupa podataka, 90% podataka uzima se kao skup za treniranje, a 10% kao testni skup. Usporedbom rezultata klasifikacije, metoda normalizirane izglednosti se pokazala kao preciznija metoda, povećavajući preciznost za oko 5% u odnosu na metodu normaliziranih frekvencija.
Abstract (english)
In this master thesis, two methods for developing affective lexicon in the Croatian language have been presented and two lexicons were created. Lexicons were built on the data collected from the social network Facebook. The pages from which the data was retrieved are Facebook Croatian news portals. Programming languages used for data retrieval, processing (lemmatization, removing stop words, etc.) and building lexicons are scripting languages R and Python. Classification is performed over the collected posts and based on the results, measures are calculated to show how good the classification results are. Of the entire data set, 90% of data is taken as a training set, and 10% as a test set. By comparing the results of the classification, the normalized likelihood method was shown as a more precise method, increasing the precision for about 5% compared to the normalized frequencies method.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:636050
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 21:29:32