prikaz prve stranice dokumenta Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela
Rad nije dostupan
diplomski rad
Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:824465
Juroš, Jana
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Juroš, J. (2024). Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:824465

Juroš, Jana. "Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:824465

Juroš, Jana. "Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:824465

Juroš, J. (2024). 'Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:824465

Juroš J. Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:824465

J. Juroš, "Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:824465

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:824465
Podaci o radu
NaslovAnaliza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela
Naslov (engleski)Sentiment analysis in news titles using large language models
AutorJana Juroš
MentorJan Šnajder (mentor)
Član povjerenstvaJan Šnajder (predsjednik povjerenstva)
Član povjerenstvaAlan Jović (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 obrane2024-02-19, Hrvatska
Sažetak
U domeni obrade prirodnog jezika, analiza sentimenta izdvaja se kao tradicionalan, ali izazovan zadatak, obilježen subjektivnošću, zahtjevima za specifičnim znanjem domene te širokom i nejasnom definicijom sentimenta koja varira ovisno o zadatku. Usmjerena analiza sentimenta donosi dodatne izazove, uključujući sklonost pristranosti vezanoj za pojedine entitete i utjecaj općeg sentimenta na usmjerene evaluacije. Ovaj rad bavi se detekcijom usmjerenog sentimenta u kontekstu velikih jezičnih modela, koji su se u posljednjih nekoliko godina donijeli značajan napredak u nizu NLP zadataka. Analizira se zadatak detekcije usmjerenog sentimenta prema imenovanom entitetu na naslovima novinskih članaka na hrvatskom, engleskom i poljskom jeziku. Istražuje se točnost, nesigurnost i kalibracija velikih jezičnih modela u ovisnosti o parametrima modela i konstrukciji upita zasnovanih na uputama za označivače skupa podataka kojeg ispitujemo. Također, fokus je na analizi konzistentnosti, robusnosti i kalibracije velikih jezičnih modela uzimajući u obzir više vrste modeliranja nesigurnosti modela. Poseban naglasak stavljen je na analizu korelacije nesigurnosti modela i nesigurnosti označivača, istražujući kako se ove dvije dimenzije odražavaju na pouzdanost i preciznost modela.
Sažetak (engleski)
The intricate nature of sentiment analysis (SA) stems from its inherent subjectivity, its broad, vague and task-specific definition and the demand for domain-specific context knowledge. Targeted sentiment analysis (TSA) introduces an additional layer of complexity, notably through susceptibility to entity-specific biases and the sway of prevailing sentiment on targeted evaluations. In this study, we will focus on targeted sentiment detection utilizing Large Language Models, which have recently demonstrated their superiority over other model types across a broad spectrum of NLP tasks. Specifically, we will analyze the detection of targeted sentiment towards named entities in newspaper article headlines in Croatian, English, and Polish. Our analysis will delve into the accuracy, uncertainty, and calibration aspects of Large Language Models, taking into account their parameters and the methodology for formulating prompts based on the annotator guidelines. Furthermore, we will assess the consistency, robustness, and calibration of these models, considering different approaches to modeling their uncertainty. A significant focus will also be placed on exploring the interplay between the uncertainty inherent in the models and that of the annotators, examining how these two aspects influence the models’ reliability and accuracy.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:824465
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 pohrane2024-03-28 07:48:33