Primjena modela dubokog učenja za otkrivanje stavova u korisničkim komentarima

Sažetak na hrvatskom: Duboko učenje je relativno nova grana strojnog učenja koja se temelji na teoriji neuronskih mreža. Pomoću naprednih arhitektura dubokih neuronskih mreža danas se pokušavaju riješiti poznati problemi u području obrade prirodnog jezika kao što su analiza stavova i sentimenta. U s...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:48523/Details
Glavni autor: Freškura, Bartol (-)
Ostali autori: Šnajder, Jan (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, B. Freškura, 2016.
Predmet:
LEADER 02454na a2200241 4500
003 HR-ZaFER
005 20190619101554.0
008 160221s2016 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid3801 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Freškura, Bartol  |9 39719 
245 1 0 |a Primjena modela dubokog učenja za otkrivanje stavova u korisničkim komentarima :  |b završni rad /  |c Bartol Freškura ; [mentor Jan Šnajder]. 
246 1 |a Application of Deep Learning for Stance Detection in User Comments  |i Naslov na engleskom:  
260 |a Zagreb,  |b B. Freškura,  |c 2016. 
300 |a 43 str. ;  |c 30 cm +  |e CD-ROM 
502 |b preddiplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2016-06-17, datum završetka: 2016-07-11 
520 3 |a Sažetak na hrvatskom: Duboko učenje je relativno nova grana strojnog učenja koja se temelji na teoriji neuronskih mreža. Pomoću naprednih arhitektura dubokih neuronskih mreža danas se pokušavaju riješiti poznati problemi u području obrade prirodnog jezika kao što su analiza stavova i sentimenta. U sklopu završnog rada napravljene su dvije poznate konfiguracije povratnih neuronskih mreža LSTM i GRU pomoću programa Tensor- flow. Provedeni su razni eksperimenti u kojima se traže optimalni parametri povratnih neuronskih mreža s ciljem točne klasifikacije stavova u korisničkim komentarima iz skupova podataka na hrvatskom i engleskom jeziku. 
520 3 |a Sažetak na engleskom: Deep learning is a relatively new branch of machine learning based on the theory of neural networks. Using the advanced deep neural network architectures, today’s well-known natural language processing problems like sentiment and opinion mining are being solved. Two widely used configurations of recurrent neural networks were created with the Tensorflow software: LSTM and GRU. Many different experiments were conducted in which the focus was on finding the optimal parameters of the recurrent neural networks, which would yield in correct stance classification of user comments from the Croatian and English datasets. 
653 1 |a umjetna neuronska mreža  |a duboko učenje  |a LSTM  |a GRU  |a strojno učenje  |a obrada prirodnog jezika 
653 1 |a artificial neural network  |a deep learning  |a LSTM  |a GRU  |a machine learning  |a natural language processing 
700 1 |a Šnajder, Jan  |4 ths  |9 19016 
942 |c Z  |2 udc 
999 |c 48523  |d 48523