|
|
|
|
| LEADER |
01770na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid7135
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Čubelić, Dominik
|9 40669
|
| 245 |
1 |
0 |
|a Semantička segmentacija teksta računa :
|b završni rad /
|c Dominik Čubelić ; [mentor Jan Šnajder].
|
| 246 |
1 |
|
|a Semantic Segmentaion of Invoice Text
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b D. Čubelić,
|c 2019.
|
| 300 |
|
|
|a 22 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: U ovom radu su se promatrali modeli semantičke segmentacije teksta računa. Riječi očitane s računa se klasificiraju po tri semantičke značajke: proizvod, cijena i ostalo. Razvijena su tri modela: HMM, CRF i LSTM. Najbolje rezultate ostvario je CRF s F1 rezultatom preko 90\% što je uvelike nadmašilo referentni model temeljen na heuristici.
|
| 520 |
3 |
|
|a Sažetak na engleskom: In this thesis, semantic segmentation of invoice text models was observed. Words extracted from invoices are classified on three semantic labels: product, price and other. Three models were developed: HMM, CRF and LSTM. Best results were achieved by CRF with F1 score over 90\% which greatly surpassed the referent model based on heuristics.
|
| 653 |
|
1 |
|a strojno učenje
|a obrada prirodnog jezika
|a HMM
|a CRF
|a LSTM
|a označavanje sljedova
|a računi
|
| 653 |
|
1 |
|a machine learning
|a natural language processing
|a HMM
|a CRF
|a LSTM
|a sequence labelling
|a invoices
|
| 700 |
1 |
|
|a Šnajder, Jan
|4 ths
|9 19016
|
| 942 |
|
|
|c Z
|
| 999 |
|
|
|c 51383
|d 51383
|