prikaz prve stranice dokumenta Analiza sentimenta zasnovana na modelima dubokog učenja
Rad nije dostupan
diplomski rad
Analiza sentimenta zasnovana na modelima dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:917890
Aćimović, Dunja
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Aćimović, D. (2022). Analiza sentimenta zasnovana na modelima dubokog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:917890

Aćimović, Dunja. "Analiza sentimenta zasnovana na modelima dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:917890

Aćimović, Dunja. "Analiza sentimenta zasnovana na modelima dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:917890

Aćimović, D. (2022). 'Analiza sentimenta zasnovana na modelima dubokog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 04.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:917890

Aćimović D. Analiza sentimenta zasnovana na modelima dubokog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 04.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:917890

D. Aćimović, "Analiza sentimenta zasnovana na modelima dubokog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:917890

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:917890
Podaci o radu
NaslovAnaliza sentimenta zasnovana na modelima dubokog učenja
Naslov (engleski)Sentiment Analysis Based On Deep Learning Models
AutorDunja Aćimović
MentorGoran Delač (mentor)
Član povjerenstvaGoran Delač (predsjednik povjerenstva)
Član povjerenstvaKlemo Vladimir (član povjerenstva)
Član povjerenstvaMarin Šilić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-04, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu su se detaljno opisale dvije različite arhitekture modela dubokog učenja: rekurzivne neuronske mreže i transformeri. Obje arhitekture su postigle dotad neviđene rezultate u području obrade prirodnog jezika, te su naglo postale popularne i pronašle mnogobrojne primjene, kao što je analiza sentimenta. Odabran je i implementirani po jedan model ovih arhitektura. Za primjer modela rekurzivnih neuronskih mreža odabran je model LSTM, dok je za primjer transformera odabran model BERT. Oba modela su se pokazala kao odličan izbor za analizu sentimenta.
Sažetak (engleski)
This thesis explores two different deep learning arhitectures: recurrent neural networks and transformers. Both have shown state-of-the-art results on natural language processing tasks, so they have naturally became popular and found many applications, one of which is sentiment analysis. For each arhitecture, a model was chosen and implemented, it was LSTM for recurrent neural networks and BERT for transformers. Finally, both have shown capacity for exceptional results in the field of sentiment analysis.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:917890
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 11:39:15