Anonimizacija teksta korištenjem BERT jezičnog modela

master's thesis

• Title (english): Text anonymization using BERT
• Author: Ivan Križanić
• Mentor: Vladimir Čeperić (mentor)
• Committee member: Vladimir Čeperić (predsjednik povjerenstva)
• Committee member: Tomislav Hrkać (član povjerenstva)
• Committee member: Tvrtko Mandić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2023-07-13, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Privatnost podataka važna je tema u današnjem svijetu. Bitno je moći koristiti korisničke podatke na siguran i privatni način jer se mnoge tvrtke oslanjaju na strategije temeljene na podacima za proizvodnju dodatne poslovne vrijednosti. Zbog toga je ključno implementirati pouzdane sustave za anonimizaciju, poput onog opisanog u ovom radu. Spomenuti sustav za anonimizaciju izgrađen je koristeći alate otvorenog kôda i javno dostupne skupove podataka, Uglavnom se oslanja na korištenje umjetne inteligencije za rješavanje problema anonimizacije, ali koristi i neke tradicionalne pristupe, uključujući i ljudske anotatore. Takvi sustavi dovoljno dobro rješavaju problem anonimizacije da bi se mogli koristiti u produkciji, no s ubrzanim razvojem velikih jezičnih modela, očekuje se da će se uskoro za rješavanje takvih problema koristiti sustavi temeljeni isključivo na umjetnoj inteligenciji.

Abstract (english)

Data privacy is an important topic in today's world. It is important to be able to use user data securely and privately because many companies rely on data-driven strategies. This is why it is crucial to implement reliable anonymization systems, similar to the one described in the thesis. The anonymization system is built using open-source tools and datasets and relies mainly on using artificial intelligence to tackle the problem of anonymization, but also uses some traditional approaches and incorporates human annotators as well. Such systems perform well enough to be used in production, but with rapid development of large language models, it is expected that soon a completely AI-based systems will be used to solve such problems.

• Keywords: Anonimizacija; Obrada prirodnog jezika; BERT; MLOps
• Keywords (english): Anonymization; Natural Language Processing; BERT; MLOps
• Language: croatian
• URN:NBN: urn:nbn:hr:168:530805
• 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: 2023-10-11 09:26:47