prikaz prve stranice dokumenta Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija
Rad nije dostupan
diplomski rad
Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:412071
Ćurković, Sven
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Ćurković, S. (2023). Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković, Sven. "Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković, Sven. "Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković, S. (2023). 'Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:412071

Ćurković S. Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:412071

S. Ćurković, "Učinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:412071

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:412071
Podaci o radu
NaslovUčinkovito povezivanje imenovanih entiteta korištenjem Poincaréovih reprezentacija
Naslov (engleski)Efficient end-to-end named entity linking using Poincaré knowledge graph embeddings
AutorSven Ćurković
MentorJan Šnajder (mentor)
Član povjerenstvaJan Šnajder (predsjednik povjerenstva)
Član povjerenstvaMarko Đurasević (član povjerenstva)
Član povjerenstvaMarko Čupić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-10, Hrvatska
Sažetak
Povezivanje imenovanih entiteta (PIE) važan je zadatak u obradi prirodnog jezika čiji je cilj povezati entitete spomenute u tekstu s njihovim odgovarajućim entitetima u strukturiranoj bazi znanja. Zbog morfološke varijance, polisemije i sinonimije, kada se imenovni entiteti koriste u završnim zadacima, od iznimne je važnosti znati koji se spomeni entiteta odnose na koje entitete. Suvremeni pristupi povezivanju imenovanih entiteta često se oslanjaju na komplicirane sustave dodjeljivanja tipova koje je teško trenirati i koji zahtijevaju značanju količinu resura tijekom predikcije. U ovom diplomskom radu predložili smo jednostavan i učinkovit s-kraja-na-kraj model za PIE. Naš se pristup uvelike oslanja na slabo nadzirano predtreniranje nad Wikipedijom, bez da je nužno potreban skup podataka za PIE za fino podešavanje. Zato je naš pristup posebno privlačan za jezike s malo označenih podataka. Pokazali smo da efikasan model za PIE sa jednostavnom arhitekturom može postići visoku točnost i biti izuzetno robustan.
Sažetak (engleski)
Named entity linking (NEL) is an important task in natural language processing that aims to connect entity mentions in text to their corresponding entities in a structured knowledge base. Due to morphological variance, polysemy, and synonymity, knowing which entity mentions are referring to which entities is vital when using named entities in downstream tasks. Current state-of-the-art approaches often rely on complicated typing systems, which are hard to train, resource intensive during inference, and hard to maintain. In this master's thesis, we proposed a simple and efficient end-to-end NEL model. Our approach relies heavily on weakly supervised pre-training on Wikipedia, without necessarily needing a NEL dataset for fine-tuning. This makes our approach especially attractive for low-resource languages. We showed that an efficient named entity linking model with a simple architecture can achieve high accuracy and be remarkably robust.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:412071
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-10-11 08:41:42