prikaz prve stranice dokumenta Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja
  Preuzmi
PDF 20.27 MB
diplomski rad
Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja
2020. urn:nbn:hr:126:766097
Nikić, Patrick
Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
Zavod za primijenjenu matematiku i računarstvo
Katedra za računarstvo i strojno učenje

Citirajte ovaj rad

Nikić, P. (2020). Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:126:766097

Nikić, Patrick. "Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2020. https://urn.nsk.hr/urn:nbn:hr:126:766097

Nikić, Patrick. "Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2020. https://urn.nsk.hr/urn:nbn:hr:126:766097

Nikić, P. (2020). 'Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:126:766097

Nikić P. Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku; 2020 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:766097

P. Nikić, "Modeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, Osijek, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:766097

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:126:766097
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovModeliranje reprezentacije riječi i njihovih međuovisnosti tehnikama strojnog učenja
Naslov (engleski)Modeling Word Representations and Dependency Parsing with Machine Learning Techniques
AutorPatrick Nikić
MentorDomagoj Ševerdija (mentor)
Član povjerenstvaDomagoj Matijević (predsjednik povjerenstva)
Član povjerenstvaDomagoj Ševerdija (član povjerenstva)
Član povjerenstvaZoran Tomljanović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
(Zavod za primijenjenu matematiku i računarstvo)
(Katedra za računarstvo i strojno učenje)
Osijek
Datum i država obrane2020-01-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Matematička logika i računarstvo
Sažetak
U novije vrijeme, prisutna je renesansa neuronskih mreža. Njihova osnovna građevna jedinica jest neuron. Neuron možemo shvatiti kao metodu kojom ćemo odvagnuti ulazne informacije za donošenje neke odluke. Neurone grupiramo u slojeve, a više takvih slojeva čini neuronsku mrežu. U prvom poglavlju smo opisali kako neuronske mreže uče te algoritme i tehnike koje se pritom koriste. Glavni dio diplomskog rada se bavi primjenom strojnog učenja u obradi prirodnog jezika. Opisali smo kako se riječi mogu predstaviti pomoću vektora koji što bolje obuhvaćaju strukturu riječi, značenje i kontekst riječi te hijerarhije medu riječima. Vektori riječi su u vektorskom prostoru smješteni tako da riječi koje se nalaze u sličnom kontekstu, imaju slične vektore. Objasnili smo algoritme i metode treniranja koje word2vec koristi. Konačno, pokazali smo kako vektore riječi možemo koristiti za parsiranje meduovisnosti izmedu riječi u rečenici. Opisali smo pohlepni parser temeljen na prijelazima koji se za ovaj zadatak trenira koriste´ci neuronsku mrežu. Naposljetku, prikazali smo rad trenutno najboljih poznatih parsera međuovisnosti za hrvatski jezik, treniranih na jednom hrvatskom označenom korpusu.
Sažetak (engleski)
Recently, there is a renaissance of neural networks. Their fundamental working unit is a neuron. We can think of a neuron as method for weighing input informations in order to make a decision. We can group neurons in layers that form neural networks. In the first section we described how neural networks learn, together with the algorithms and techniques used in the background. The main part of the paper deals with the application of machine learning in natural language processing. We described how words can be represented with vectors that best capture the word structure, semantics and context as well as the hierarchies among words. Word vectors are placed in the vector space such that words that share common contexts, have similar vectors. We explained the algorithms and training methods that word2vec uses. Finally, we showed how to use word vectors for parsing the dependencies between words in a sentence. We described a greedy transition-based parser that is trained for this task using a neural network. Lastly, we presented the results of cutting-edge parsers for Croatian that were trained on a Croatian annotated corpus.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:126:766097
Studijski programNaziv: Matematika; smjerovi: Financijska matematika i statistika, Matematika i računarstvo, Industrijska i primijenjena matematika
Smjer: Financijska matematika i statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag.math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-01-29 08:16:52