Ekstrakcija semantičkih relacija između entiteta iz znanstvenih tekstova

master's thesis

• Title (english): Extracting Semantic Relations between Entities from Scientific Texts
• Author: Martin Gluhak
• Mentor: Jan Šnajder (mentor)
• Committee member: Jan Šnajder (predsjednik povjerenstva)
• Committee member: Marko Čupić (član povjerenstva)
• Committee member: Bojana Dalbelo-Bašić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2018-07-17, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Ekstrakcija relacija je zadatak obrade prirodnog jezika i ekstrakcije informacija čijim rješavanjem omogućavamo sustavima strojnog učenja dublje razumijevanje teksta. Znanstveni radovi sadrže mnogo stručnih informacija koje je ponekad teško sustavno pregledati te se proučavanjem problema iz perspektive te domene otvaraju mogućnosti stvaranja alata koji bi olakšali pronalazak ključnih informacija. Bogat vokabular i složene strukture rečenica dodatna su prepreka pri određivanju relacija u tekstovima znanstvenih radova. Implementiran je model temeljen na ručno oblikovanim značajkama, kao i više modela iz područja dubokog učenja. Kako bi se modeli prilagodili specifičnom jeziku znanstvenih radova posebno su naučene vektorske reprezentacije riječi za tu domenu. Isprobane su metode proširenja skupa podataka u području značajka kako bi se riješio problem nebalansiranosti razreda te su primijenjene tehnike preoblikovanja primjera kako bi se eliminirale asimetrične relacije.

Abstract (english)

Relation extraction is a task related to the fields of natural language processing and information extraction, and by solving this task the machine learning systems gain deeper understanding of the given text. Scientific papers contain many expert information which is sometimes hard to systematically examine and by researching relation extraction, possibilities open for creating tools which will allow easier discovery of key information. Rich vocabulary and complex sentence structure pose an additional obstacle in correctly assessing the relation type specific to this domain of text. Model are implemented based on handcrafted features, aswell as multiple models from the area of deep learning. Custom word embeddings are trained in order to adapt to the specific language of scientific texts. The problem of class imbalance is tackled by data augmentation in feature space and techniques of sample reshaping in order to eliminate asymmetrical relations.

• Keywords: obrada prirodnog jezika; strojno učenje; ekstrakcija relacija; duboko učenje; SVM; CNN; RNN; word2vec
• Keywords (english): natural language processing; machine learning; relation extraction; deep learning; SVM; CNN; RNN; word2vec
• Language: croatian
• URN:NBN: urn:nbn:hr:168:895808
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2019-03-13 20:29:00