Ekstrakcija članaka s novinskih portala pomoću strojnog učenja

master's thesis

• Title (english): Extraction of Articles from News Portals Using Machine Learning
• Author: Filip Karlo Došilović
• Mentor: Tomislav Hrkać (mentor)
• Committee member: Tomislav Hrkać (predsjednik povjerenstva)
• Committee member: Jan Šnajder (član povjerenstva)
• Committee member: Zoran Kalafatić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2022-02-10, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Revolucijom novih tehnologija, primarno pametnih mobilnih uređaja,
omogućena je konstantna i neprekidna komunikacija.
Neprekidna komunikacija različitom vrstom medija,
poput teksta i slika, stvara neprekidan tok podataka.
Ti se podaci trebaju obraditi.
Ekstrakcija informacija važno je područje primarno orijentirano
na ekstrakciju strukturiranih informacija iz nestrukturiranih
tekstualnih izvora, koje svoje
metode i pristupe crpi iz obrade prirodnog jezika
i umjetne inteligencije.
Jedan od standardnih izvora podataka su članci (online) novinskih
portala. Standardni pristupi ekstrakcije članaka s novinskih
portala temeljeni su na ručno pisanim pravilima i heuristikama.
Ovaj diplomski rad istražuje mogućnosti kombiniranja tradicionalnih
algoritama zajedno s računalnim vidom za poboljšavanje
ekstrakcije članaka s novinskih portala.

Abstract (english)

Rapid adoption of new mobile technologies, such as
smartphones and tablets, enabled continuous and
uninterrupted communication worldwide. Communicating
through various different mediums, such as text and images,
continuously creates data. That data needs to be
processed and analyzed. Information extraction, an
important field for extracting structured information
from raw, unstructured textual sources, draws its
methods from natural language processing and artificial
intelligence. In the domain of information extraction is
extracting articles from online news portals. Standard
approaches use various heuristics and hand-crafted rules.
This thesis explores the combination of computer vision and
traditional approaches for improving the results of
article extraction.

• Keywords: ekstrakcija informacija; računalni vid; optičko prepoznavanje znakova; novinski portali; ekstrakcija sadržaja
• Keywords (english): information extraction; computer vision; optical character recognition; online news portals; content extraction
• Language: croatian
• URN:NBN: urn:nbn:hr:168:416973
• 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: 2023-01-13 12:07:59