prikaz prve stranice dokumenta Povezivanje događaja u velikim novinskim zbirkama
No public access
master's thesis
Povezivanje događaja u velikim novinskim zbirkama
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:965640
Šarić, Fredi
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Šarić, F. (2018). Povezivanje događaja u velikim novinskim zbirkama (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:965640

Šarić, Fredi. "Povezivanje događaja u velikim novinskim zbirkama." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:965640

Šarić, Fredi. "Povezivanje događaja u velikim novinskim zbirkama." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:965640

Šarić, F. (2018). 'Povezivanje događaja u velikim novinskim zbirkama', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 02 October 2024, https://urn.nsk.hr/urn:nbn:hr:168:965640

Šarić F. Povezivanje događaja u velikim novinskim zbirkama [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 October 02] Available at: https://urn.nsk.hr/urn:nbn:hr:168:965640

F. Šarić, "Povezivanje događaja u velikim novinskim zbirkama", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:965640

Metadata
TitlePovezivanje događaja u velikim novinskim zbirkama
Title (english)Event Linking in Large News Collections
AuthorFredi Šarić
MentorJan Šnajder (mentor)
Committee memberJan Šnajder (predsjednik povjerenstva)
Committee memberSiniša Šegvić (član povjerenstva)
Committee memberMarko Čupić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2018-07-16, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Rad predstavlja problem "Povezivanje događaja" kao grupiranje događaju u dva disjunktna skupa, prvi skup koji sadržava sve parove povezanih doga¯daja, te drugi koji sadržava nepovezane parove događaja. Zbog ne postojanja javno dostupni skupovi podataka namijenjeni za ovakav tip povezivanja događaja, novi skup podataka je sastavljen, gdje je svaki par događaja označen kao "Povezan" ili "Nepovezan". Eksperi-menti su provedeni s različitim metodama strojnog učenja i širokom paletom tekstualnih značajki te značajki dobivenih iz meta podataka pojedinog događaja (lokacija, datum i sl.). Ostvaren je rezultat od 94% f1 mjere korištenjem samo tekstualnih značajki, te rezultat od 98% f1 mjere ako se uz tekstualne znaˇcajke koriste i značajke dobivene iz metapodataka događaja. Iskorištavanjem tranzitivnog svojstva povezanih događaja te korištenjem algoritma MCL za grupiranje nad grafovima, mogu se ispraviti krivo klasificirani primjeri, te znatno poboljšati rezultati klasifikacije. Integracijom sustava za povezivanje događaja u sustave za obavještavanje o kriznim situacijama, korisnici takvog sustava bi lakše došli do vrijedne informacije te bi mogli ranije reagirati na krizne situacije.
Abstract (english)
The thesis introduces task of Event linking as clustering events into two disjoint sets, namely "Related" and "Unrelated". To enable experimentation with classification models new dataset is introduced with event template pair relations. Different classification models using a wide range of textual and meta-data features were trained and tested. A very good result of 94% and 98% f1 score was achieved, with text only features and a full set of features respectively. Additionally, exploiting the transitive property of "Related" relationship by graph clustering algorithms like MCL, can further significantly boost the performance of the original model. Integrating this kind of work with crisis monitoring systems, and extending it to different languages with support for cross-language event linking, would result in the reduction of user response time and effort needed to notice valuable information.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:965640
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 on2019-03-14 01:08:12