prikaz prve stranice dokumenta Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela
No public access
master's thesis
Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:929590
Čala, Rino
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Čala, R. (2022). Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:929590

Čala, Rino. "Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:929590

Čala, Rino. "Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:929590

Čala, R. (2022). 'Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 27 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:929590

Čala R. Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 December 27] Available at: https://urn.nsk.hr/urn:nbn:hr:168:929590

R. Čala, "Predviđanje osobnosti iz teksta usmjeravanjem jezičnih modela", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:929590

Metadata
TitlePredviđanje osobnosti iz teksta usmjeravanjem jezičnih modela
Title (english)Personality prediction from text using prompt-based learning
AuthorRino Čala
MentorJan Šnajder (mentor)
Committee memberJan Šnajder (predsjednik povjerenstva)
Committee memberMarko Đurasević (član povjerenstva)
Committee memberAlan Jović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2022-07-12, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Osobnost je karakteristično svojstvo koje pojedinca čini jedinstvenim u populaciji, a manifestira se kao skup oprečnih crta ličnosti. Kako je ono ključno za prepoznavanje i predikciju ljudskog ponašanja, sve se više istraživanja fokusira na izgradnju modela i pristupa za predikciju osobnosti iz teksta. Prateći najnovije pristupe temeljene na dubokom učenju, ovaj rad proučava predikciju osobnosti na temelju usmjeravanja jezičnih modela pomoću predložaka i skupa podataka PANDORA. Pomoću modela GPT2 i BERTa, ovaj rad proučava metode temeljene na predlošcima u okolinama bez podataka, s malo podataka i s potpunom raspoloživosti podacima. Načinjena je detaljna usporedba između kontinuiranih i ručno izrađenih predložaka te klasičnog treniranja modela u različitim okolinama dostupnosti podataka. Rezultati pokazuju da klasično treniranje modela nije univerzalno i da pristupi temeljeni na predlošcima trebaju biti ukomponirani u okolinama niske dostupnosti podataka ili u treniranju velikih modela.
Abstract (english)
Personality makes an individual unique in the population and is manifested as a set of opposing personality traits. As it is essential for recognizing and predicting human behavior, emerging research focuses on building models and approaches for personality assessment from text. Following the latest deep-learning methods, this work examines the use of prompt- based learning in personality assessment on the PANDORA dataset. Using GPT2 and BERT models this work explores prompt-based techniques in a zero-shot, few-shot, and full data setting. An extensive comparison is made between continuous and hand-made prompts and classic model training with different amounts of available data. The results indicate that classic model training is not a universally good approach and that prompt-based approaches should be incorporated with less data and larger models.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:929590
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 on2023-01-13 14:44:02