prikaz prve stranice dokumenta Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta
No public access
undergraduate thesis
Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:784395
Mijolović, Mate
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Mijolović, M. (2018). Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:784395

Mijolović, Mate. "Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:784395

Mijolović, Mate. "Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:784395

Mijolović, M. (2018). 'Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 18 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:784395

Mijolović M. Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 November 18] Available at: https://urn.nsk.hr/urn:nbn:hr:168:784395

M. Mijolović, "Modeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:784395

Metadata
TitleModeli dubokog učenja za prepoznavanje i klasifikaciju imenovanih entiteta
Title (english)Deep Learning Models for Named Entity Recognition and Classification
AuthorMate Mijolović
MentorJan Šnajder (mentor)
Committee memberJan Šnajder (predsjednik povjerenstva)
Committee memberMladen Karan (član povjerenstva)
Committee memberDomagoj Alagić (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
Prepoznavanje i klasifikacija imenovanih entiteta u tekstu jedan je od osnovnih zadataka u obradi prirodnoga jezika. Zadatak se tradicionalno rješava primjenom strojnog učenja, i to modelima za slijedno označavanje, kao što su skriveni Markovljev model i uvjetna slučajna polja. Razvoj dubokog učenja rezultirao je novim modelima za slijedno označavanje temeljenima na povratnim neuronskim mrežama, koji su se pokazali vrlo uspješnima na ovome zadatku. U okviru završnoga rada potrebno je proučiti postupke za prepoznavanje i klasifikaciju imenovanih entiteta, s naglaskom na postupke temeljene na dubokom učenju, posebice model LSTM i iz njega izvedene modele. Oblikovati i implementirati nekoliko modela za raspoznavanje imenovanih entiteta iz tekstova na hrvatskome jeziku temeljenih na dubokom učenju. Modele trenirati i ispitati na ručno označenom skupu podataka CroNER (Karan i dr., 2013). Provesti iscrpno vrednovanje sustava te usporedbu s referentnim modelom i modelom CRF iz (Karan i dr. 2013). Načiniti statističku obradu rezultata te analizu pogrešaka. Radu priložiti izvorni i izvršni kod razvijenog sustava, označene skupove podataka i potrebnu dokumentaciju te citirati korištenu literaturu.
Abstract (english)
Named entity recognition and classification is one of the basic tasks in the field of natural language processing. The task is mainly solved by utilizing machine learning based models for sequence labelling, such as the Hidden Markov Model and the Conditional Random Field. The advancement of deep learning has resulted in new sequence labelling models based on recurrent neural networks, which have proven to be very successful on this task. The focus of this bachelor thesis is to study the procedures for the identification and classification of the named entities, with emphasis on deep learning procedures, in particular the LSTM model and models derived from the LSTM model. The task includes design and implementation of the several deep learning based models for recognizing named entities from Croatian language texts. The models are trained and evaluated on a human-annotated dataset CroNER (Karan and others, 2013). Carry out an exhaustive system evaluation and comparison with the reference model and CRF model from (Karan and others, 2013). Perform statistical analysis of the results and error analysis. Accompany the work with the source and executive code of the developed system, datasets, documentation and citation of the literature used.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:784395
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 23:04:07