Otkrivanje poruka neprimjerenog sadržaja u mrežnom razgovoru

Sažetak na hrvatskom: U današnje vrijeme sve je više ljudi koji komuniciraju putem interneta. Anonimnost korisnika nerijetko dovodi do nepoželjnog ponašanja tijekom razgovora. Da bi se to spriječilo, koriste se razne metode kojima bi se detektirale neprimjerene po- ruke. Da bi se ubrzao proces označ...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:48739/Details
Glavni autor: Hrenić, Filip (-)
Ostali autori: Šnajder, Jan (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, F. Hrenić, 2016.
Predmet:
LEADER 02094na a2200229 4500
003 HR-ZaFER
008 160221s2016 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid3830 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Hrenić, Filip 
245 1 0 |a Otkrivanje poruka neprimjerenog sadržaja u mrežnom razgovoru :  |b završni rad /  |c Filip Hrenić ; [mentor Jan Šnajder]. 
246 1 |a Detection of Inappropriate Messages in Online Chats  |i Naslov na engleskom:  
260 |a Zagreb,  |b F. Hrenić,  |c 2016. 
300 |a 25 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: U današnje vrijeme sve je više ljudi koji komuniciraju putem interneta. Anonimnost korisnika nerijetko dovodi do nepoželjnog ponašanja tijekom razgovora. Da bi se to spriječilo, koriste se razne metode kojima bi se detektirale neprimjerene po- ruke. Da bi se ubrzao proces označavanja korišteno je aktivno učenje. Implementirana je metoda logističke klasifikacije te se može jednostavno uključiti u postojeći sustav. Dobiveni klasifikator postiže preciznost od 82.583% nad testnim podacima. 
520 3 |a Sažetak na engleskom: More and more people nowadays use internet for communication. User anonymity often leads to undesirable behaviour during conversations. In order to put a stop to it, various methods are used to detect such messages. Active learning has been used to speed up data marking. Implementation of logistic regression achieved precision of 82.583% on test data and can easily be incorporated with existing systems. 
653 1 |a strojno učenje  |a obrada prirodnog jezika  |a logistička regresija  |a aktivno učenje  |a nadzirano učenje  |a klasifikacija  |a mrežni razgovor 
653 1 |a machine learning  |a natural language processing  |a logistic regression  |a active learning  |a semi supervised learning  |a classification  |a online chat 
700 1 |a Šnajder, Jan  |4 ths 
942 |c Z 
999 |c 48739  |d 48739