Analiza semantike poruke i otkrivanje lokacije

master's thesis

• Title (english): Semantic analysis of message and location detection
• Author: Tin Kovačević
• Mentor: Dragan Jevtić (mentor)
• Committee member: Dragan Jevtić (predsjednik povjerenstva)
• Committee member: Šandor Dembitz (član povjerenstva)
• Committee member: Krešimir Pripužić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2015-07-03, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering

Abstract

Analiza semantike poruke predstavlja izvlačenje korisničkih informacija iz poruke, točnije zahtjeva računalno procesiranje ljudskog jezika (NLP). Prepoznavanje imenovanih entiteta (NER) je glavni korak u izvlačenju informacija. NER modeli koji se danas koriste funkcioniraju na principu stohastičkog odlučivanja, te zahtijevaju prethodno treniranje, odnosno učenje na tekstualnim korpusima riješenih primjera kako bi se stvorila i mogla ispravno primijeniti pravila za prepoznavanje i klasificiranje.
Stanford CoreNLP je alat koji koristi CRF varijantu nadziranog učenja (SL) koja je pogodna za NLP jer uzima u obzir kontekst rečenice u kojoj se promatrana riječ nalazi. Dolazi sa tri već istrenirana NER klasifikatora. RegexNER je klasa koja omogućava proširenje postojeće baze podataka o entitetima koji se mogu prepoznati.

Abstract (english)

Analysis of the semantics message represents user information extraction from messages, more precisely it requires natural language processing (NLP). Named entity recognition (NER) is the main step in information extraction. NER models used today work on principle of stochastic decision-making, and require prior training or learning on textual corpuses of solved examples to create and properly use rules for recognition and classification.
The Stanford CoreNLP is tool that uses CRF variant of supervised learning (SL) which is suitable for NLP because it takes into account the context of sentence in which the observed word is found. It comes with three already trained NER classifiers. RegexNER is a class that enables expanding of the existing database about entities that can be recognized.

• Keywords: izvlačenje informacija; procesiranje ljudskog jezika; prepoznavanje imenovanih entiteta
• Keywords (english): information extraction; natural language processing; named entity recognition
• Language: croatian
• URN:NBN: urn:nbn:hr:168:290118
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2018-02-06 09:50:43