Predviđanje riječi primjenom metoda strojnog učenja na temelju n-gramskih nizova

undergraduate thesis

• Title (english): Word prediction using machine learning methods based on n-gram sequences
• Author: Domagoj Marinello
• Mentor: Marin Vuković (mentor)
• Committee member: Marin Vuković (predsjednik povjerenstva)
• Committee member: Ivona Brajdić (član povjerenstva)
• Committee member: Renato Šoić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-09-14, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

U okviru završnog rada razvijena su dva modela za obradu prirodnog jezika. Kao model izabran je n-gramski model, a za ulazne podatke, odnosno podatke za testiranje, odabrana su dva skupa podataka – jedan obrađeni skup podataka i drugi neobrađeni. Nad skupovima podataka izvršena je manipulacija kako bi bili spremni za ugradnju u jezični model koji bi nakon toga vršio predikcije. Analizirana je uspješnost predikcije i vrijeme izvođenja za različite veličine skupova podataka, kao i za različitu duljinu n n-gramskog niza. Isprobane su i određene matematičke metode za poboljšanje predikcije, ali ovo je područje u kojem ima još mnogo mjesta za istraživanje.

Abstract (english)

As part of the final thesis, two natural language processing models were developed. The n-gram model was chosen and two data sets were selected for testing data – one containing preprocessed data and other with raw data. Datasets were processed to fit into a language model that would then perform predictions. Prediction performance and execution time were analyzed for different data set sizes, as well as for different n in n-grams. Certain mathematical methods to improve prediction have also been tried, but this is an area where there is still much room for research.

• Keywords: n-gram; obrada prirodnog jezika; strojno učenje
• Keywords (english): n-grams; natural language processing; nlp; machine learning
• Language: croatian
• URN:NBN: urn:nbn:hr:168:193407
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 09:26:23