prikaz prve stranice dokumenta Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina
Rad nije dostupan
završni rad
Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:738462
Rajnović, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Rajnović, M. (2021). Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:738462

Rajnović, Marko. "Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:738462

Rajnović, Marko. "Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:738462

Rajnović, M. (2021). 'Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:738462

Rajnović M. Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:738462

M. Rajnović, "Modeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:738462

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:738462
Podaci o radu
NaslovModeli obrade prirodnog jezika za predviđanje i analizu cijena nekretnina
Naslov (engleski)Natural Language Processing Models for Real Estate Price Prediction and Analysis
AutorMarko Rajnović
MentorJan Šnajder (mentor)
Član povjerenstvaJan Šnajder (predsjednik povjerenstva)
Član povjerenstvaMartin Tutek (član povjerenstva)
Član povjerenstvaZoran Medić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-05, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Zadatak ovog završnog rada bio je skupljanje podataka o reklamama sa stranice Njuškalo, pretprocesiranje podataka te predvid̄anje cijene. Poveći broj reklama je skinut sa stranice, podaci su skupljeni i očišćeni te pripremljeni za strojno učenje. Sveukupno, implementirana su tri modela: regresija potpornih vektora, pojačavanje gradijenta i umjetna neuronska mreža. Svaki od ova tri modela imali su tri varijante: varijantu bez teksta, samo tekst i kombiniranu varijantu. Modeli i varijante imali su vrlo slične rezultate. Na kraju, nisu postojale statistički signifikantne razlike izmed̄u varijanti bez teksta i kombiniranih varijanti za regresiju potpornih vektora i pojačavanje gradijenta, dok je kombinirani model bio bolji kod umjetnih neuronskih mreža. Izabrani model je bio pojačavanje gradijenata, koristeći varijantu bez teksta, jer mu je trebalo najmanje vremena za treniranje i jer se pokazao statistički najboljim za ovaj zadatak.
Sažetak (engleski)
The task of this thesis was to gather data about advertisements from Njuškalo, preprocess it, then try and do price prediction. A sizable number of advertisements were scraped, the data gathered was cleaned, and prepared for machine learning. In total, three models were implemented: support vector regression, gradient boosting, and a feed-forward neural network. Each of these models had three variants: non-text variant, with only numeric and categorical features present, text-variant, with only the descriptions present, and the combined variant, joining the two last variants together. The models and variants had very similar results. Ultimately, there was no statistically significant difference observed between the non-text and combined variants for support vector regression and gradient boosting models. The combined variant of the feed-forward network model performed better than the non-text one. The model chosen as the best one was gradient boosting, using the non-text variant, as it took the least amount of time to train and it was shown that it was statistically the best model for this task.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:738462
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-14 21:31:31