prikaz prve stranice dokumenta Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku
Rad nije dostupan
diplomski rad
Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:440415
Anić, Ivan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Anić, I. (2020). Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:440415

Anić, Ivan. "Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:440415

Anić, Ivan. "Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:440415

Anić, I. (2020). 'Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 04.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:440415

Anić I. Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 04.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:440415

I. Anić, "Hijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:440415

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:440415
Podaci o radu
NaslovHijerarhijska klasifikacija tema u medijskim objavama na hrvatskome jeziku
Naslov (engleski)Hierarchical Topic Classification of News Media Articles in Croatian Language
AutorIvan Anić
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 obrane2020-07-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Uvođenje dodatne strukture u zbirku tekstova na prirodnome jeziku razvrstavajući ih prema taksonomiji može donijeti znatne koristi u raznim zadatcima pretraživanja i ekstrakcije informacija. Na primjer, upotreba taksonomije trebala bi uvelike povećati učinkovitost pregledavanja sadržaja u usporedbi s upitima na temelju ključnih riječi. Tema ovog rada jest hijerarhijska klasifikacija novinskih članaka prema unaprijed definiranoj taksonomiji tema. Analizirao sam različite pristupe hijerarhijskoj klasifikaciji, te implementirao nekoliko obećavajuć́ih pristupa kako bih što efikasnije pristupio problemu. Eksperimentirao sam sa tradicionalnim one-vs-all pristupima, te ih usporedio sa modelom koji koristi predtreniran BERT model za generiranje kontekstualnih reprezentacija riječi. Promatranjem metrika posebeno prilagođenih za ovaj problem, zaključujem da modeli mogu generirati smislene rezultate, te da, u globalu, kontekstualne reprezentacije ekstrahirane iz BERT modela imaju prednost u odnosu na tradicionalne TF-IDF značajke.
Sažetak (engleski)
Introducing additional structure into a collection of natural language texts by placing them into a taxonomy can yield considerable benefits in various information retrieval and information extraction tasks. For instance, using a taxonomy should increase the efficiency of content browsing, compared to keyword-based querying. The topic of this thesis is hierarchical multi-label classification of news articles into a predefined topic taxonomy. I analyse various approaches to hierarchical multi-label classification, and implement a few promising approaches to tackle this problem efficiently. I experiment with traditional one-vs-rest approaches, and compare them against a model which utilises pre-trained BERT for generating contextual embeddings. By observing the metrics specifically altered for this problem, I conclude that the models can generate meaningful results, and that, in general, contextual embeddings extracted from BERT have an edge over traditional TF-IDF features.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:440415
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 pohrane2023-01-13 09:41:23