prikaz prve stranice dokumenta Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova
Rad nije dostupan
diplomski rad
Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:895808
Gluhak, Martin
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Gluhak, M. (2018). Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak, Martin. "Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak, Martin. "Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak, M. (2018). 'Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:895808

Gluhak M. Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:895808

M. Gluhak, "Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:895808

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:895808
Podaci o radu
NaslovEkstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova
Naslov (engleski)Extracting Semantic Relations between Entities from Scientific Texts
AutorMartin Gluhak
MentorJan Šnajder (mentor)
Član povjerenstvaJan Šnajder (predsjednik povjerenstva)
Član povjerenstvaMarko Čupić (član povjerenstva)
Član povjerenstvaBojana Dalbelo-Bašić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ekstrakcija relacija je zadatak obrade prirodnog jezika i ekstrakcije informacija čijim rješavanjem omogućavamo sustavima strojnog učenja dublje razumijevanje teksta. Znanstveni radovi sadrže mnogo stručnih informacija koje je ponekad teško sustavno pregledati te se proučavanjem problema iz perspektive te domene otvaraju mogućnosti stvaranja alata koji bi olakšali pronalazak ključnih informacija. Bogat vokabular i složene strukture rečenica dodatna su prepreka pri određivanju relacija u tekstovima znanstvenih radova. Implementiran je model temeljen na ručno oblikovanim značajkama, kao i više modela iz područja dubokog učenja. Kako bi se modeli prilagodili specifičnom jeziku znanstvenih radova posebno su naučene vektorske reprezentacije riječi za tu domenu. Isprobane su metode proširenja skupa podataka u području značajka kako bi se riješio problem nebalansiranosti razreda te su primijenjene tehnike preoblikovanja primjera kako bi se eliminirale asimetrične relacije.
Sažetak (engleski)
Relation extraction is a task related to the fields of natural language processing and information extraction, and by solving this task the machine learning systems gain deeper understanding of the given text. Scientific papers contain many expert information which is sometimes hard to systematically examine and by researching relation extraction, possibilities open for creating tools which will allow easier discovery of key information. Rich vocabulary and complex sentence structure pose an additional obstacle in correctly assessing the relation type specific to this domain of text. Model are implemented based on handcrafted features, aswell as multiple models from the area of deep learning. Custom word embeddings are trained in order to adapt to the specific language of scientific texts. The problem of class imbalance is tackled by data augmentation in feature space and techniques of sample reshaping in order to eliminate asymmetrical relations.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:895808
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 pohrane2019-03-13 20:29:00