prikaz prve stranice dokumenta Sustav za automatizirani pregled literature
Rad nije dostupan
diplomski rad
Sustav za automatizirani pregled literature
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:206769
Bacinger, Filip
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bacinger, F. (2022). Sustav za automatizirani pregled literature (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:206769

Bacinger, Filip. "Sustav za automatizirani pregled literature." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:206769

Bacinger, Filip. "Sustav za automatizirani pregled literature." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:206769

Bacinger, F. (2022). 'Sustav za automatizirani pregled literature', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 04.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:206769

Bacinger F. Sustav za automatizirani pregled literature [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 04.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:206769

F. Bacinger, "Sustav za automatizirani pregled literature", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:206769

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:206769
Podaci o radu
NaslovSustav za automatizirani pregled literature
Naslov (engleski)System for Automated Literature Review
AutorFilip Bacinger
MentorIvica Botički (mentor)
Član povjerenstvaIvica Botički (predsjednik povjerenstva)
Član povjerenstvaTomislav Jagušt (član povjerenstva)
Član povjerenstvaDanijel Mlinarić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-14, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Sustavni pregled literature je važan oblik znanstvenog rada temeljen na pretraživanju velikog obujma literature, što čini proces vremenski intenzivnim. Ubrzavanje izrade pregleda literature pomoću automatiziranih sustava moglo bi doprinijeti bržem razvoju novog istraživanja. U radu je izrađena web-aplikacija koja omogućuje definiranje teme pregleda literature, automatsko pretraživanje izvora znanstvenih radova, automatsko označavanje radova (uz minimalan broj ručno označenih radova), pregled radova i izvoz rezultata u obliku dijagrama i svih pozitivno označenih radova. Za obradu teksta korištene su metode tokenizacije, uklanjanja stop-riječi, vađenja korijena (Lancaster algoritam) i računanja TF-IDF faktora. Obrađeni tekstovi koriste se u kombiniranom modelu strojnog učenja izrađenom od dvadeset i četiri (24) pojedinačna modela. Kombinirani model je podešen da prioritizira točnu klasifikaciju pozitivnih primjera i ostvaruje ukupnu točnost preko 80\%.
Sažetak (engleski)
Systematic literature review is an important form of scientific work based on reviewing a large volume of literature, which makes the process time-intensive. Speeding up the creation of literature reviews with the help of automated systems could contribute to a faster development of new research. In this thesis, a web application is created which allows defining a subject for the literature review, automated querying of scientific article sources, automated article labelling (with a minimal number of manually labelled articles), viewing articles and exporting results in the form of a diagram and all positively labelled articles. Methods of tokenisation, stop-word removal, stemming (Lancaster algorithm) and calculating TF-IDF factors were used for text processing. Processed texts are used in a combined model of machine learning which comprises of twenty-four (24) individual models. The combined model is adjusted to prioritize correctly classifying positive articles and has an overall accuracy of over 80\%.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:206769
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 pohrane2023-01-14 08:21:07