|
|
|
|
| LEADER |
02508na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid7387
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Čolja, Martin
|9 40077
|
| 245 |
1 |
0 |
|a Modeli strojnog učenja za otkrivanje toksičnih komentara na Internetu :
|b završni rad /
|c Martin Čolja ; [mentor Jan Šnajder].
|
| 246 |
1 |
|
|a Machine Learning Models for Toxic Comments Detection on the Internet
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b M. Čolja,
|c 2019.
|
| 300 |
|
|
|a 21 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: 2019-06-14, datum završetka: 2019-07-12
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Toksični komentari na internetu bespotrebno kradu pozornost svemu korisnome što nam internet pruža, stoga nije iznenađujuće da je njihovo rano otkrivanje postalo prioritet na mnogi društvenim mrežama. U ovom radu pokazano je kako se taj problem može riješiti pomoću klasifikacije koristeći metodu potpornih vektora. Navedene su do sad poznate metode klasifikacije te nekoliko situacija u kojima se klasifikacija koristila za potrebe slične potrebama ovog rada. Također proveden je i objašnjen eksperiment klasifikacije korištenjem SVM-a te su rezultati prikazani tablično. Dan je zaključak rada s osvrtom na postignute rezultate, te prijedlozima za daljnje unaprjeđenje rada.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Toxic comments on the Internet needlessly take attention away from all the benefits
that the Internet provides, so it’s not surprising that early detection of these comments
has become a priority on many social networks. This paper shows ways to solve this
problem by using classification, specifically the support vector machine method. Other
so far known methods of classification were listed alongside with the few situations
in which they were used similarly to the needs of this work. The experiment was
conducted using the SVM method as well as explained and analyzed with results shown
using tables. This work reaches a conclusion based on results in these tables and offers
suggestions on future work.
|
| 653 |
|
1 |
|a NLP
|a SVM
|a toksičnost
|a strojno učenje
|a umjetna inteligencija
|a govor mržnje
|
| 653 |
|
1 |
|a NLP
|a SVM
|a toxicity
|a machine learning
|a artificial intelligence
|a hate speach
|
| 700 |
1 |
|
|a Šnajder, Jan
|4 ths
|9 19016
|
| 942 |
|
|
|c Z
|
| 999 |
|
|
|c 50808
|d 50808
|