prikaz prve stranice dokumenta Višejezično otkrivanje govora mržnje i uvredljivog govora
Rad nije dostupan
diplomski rad
Višejezično otkrivanje govora mržnje i uvredljivog govora
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:274786
Iveta, Mateja
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Iveta, M. (2024). Višejezično otkrivanje govora mržnje i uvredljivog govora (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:274786

Iveta, Mateja. "Višejezično otkrivanje govora mržnje i uvredljivog govora." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:274786

Iveta, Mateja. "Višejezično otkrivanje govora mržnje i uvredljivog govora." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:274786

Iveta, M. (2024). 'Višejezično otkrivanje govora mržnje i uvredljivog govora', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 28.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:274786

Iveta M. Višejezično otkrivanje govora mržnje i uvredljivog govora [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 28.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:274786

M. Iveta, "Višejezično otkrivanje govora mržnje i uvredljivog govora", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:274786

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:274786
Podaci o radu
NaslovVišejezično otkrivanje govora mržnje i uvredljivog govora
Naslov (engleski)Multilingual offensive and hate speech detection
AutorMateja Iveta
MentorJan Šnajder (mentor)
Član povjerenstvaJan Šnajder (predsjednik povjerenstva)
Član povjerenstvaMarko Čupić (član povjerenstva)
Član povjerenstvaDomagoj Jakobović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-09-16, Hrvatska
Sažetak
Govor mržnje i uvredljiv govor su fenomeni prisutni u stvarnom životu i na internetu, te svakodnevno pogađaju mnoge ljude. Takvim govorom se općenito smatraju zlonamjerni izrazi usmjereni prema pojedincu ili grupi na temelju njihovih karakteristika. Zbog velike količine sadržaja koji nastaje na internetu, ručno otkrivanje takvog govora je dugotrajno i skupo. Stoga automatizirane metode moderiranja postaju sve popularnije. U ovom se radu koriste obrada prirodnog jezika i duboko učenje za binarnu klasifikaciju tekstova prikupljenih s interneta na nekoliko jezika: engleskom, hrvatskom, indonezijskom, francuskom i brazilskom portugalskom. Korišteno je više modela, uključujući mBERT, DistilBERT, XLM-RoBERTa i GPT, kao i dodatne tehnike prijenosa učenja poput učenja iz nekoliko ili niti jednog primjera. Istražili smo i usporedili ove modele i pristupe na različitim jezicima kako bismo identificirali one s najboljom izvedbom. Modeli su prvenstveno ocijenjeni prema F1 mjeri, koja uzima u obzir preciznost i odziv, te su uspoređeni sa sličnim postojećim istraživanjima.
Sažetak (engleski)
Hate and offensive speech are a present phenomenon in real life and online, affecting many people daily. It is generally considered as an offensive discourse targeted towards an individual or a group based on their characteristics. Due to the vast amount of online content being produced, manual detection of such speech is time-consuming and costly. Therefore, automated detection methods are increasing in popularity. In this thesis, we used natural language processing and deep learning for binary classification of texts collected online in several languages: English, Croatian, Indonesian, French, and Brazilian Portuguese. Multiple models were used, including mBERT, DistilBERT, XLM-RoBERTa, and GPT, as well as additional transfer learning techniques such as zero and few-shot learning. We explored and compared these models and approaches in different languages to identify the ones with the highest performance. The models were primarily evaluated based on the F1 score, a measure considering precision and recall, and compared to similar existing research.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:274786
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 pohrane2024-11-07 05:38:18