Analiza semantike poruke i otkrivanje lokacije

diplomski rad

• Naslov (engleski): Semantic analysis of message and location detection
• Autor: Tin Kovačević
• Mentor: Dragan Jevtić (mentor)
• Član povjerenstva: Dragan Jevtić (predsjednik povjerenstva)
• Član povjerenstva: Šandor Dembitz (član povjerenstva)
• Član povjerenstva: Krešimir Pripužić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2015-07-03, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

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.

Sažetak (engleski)

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.

• Ključne riječi: izvlačenje informacija; procesiranje ljudskog jezika; prepoznavanje imenovanih entiteta
• Ključne riječi (engleski): information extraction; natural language processing; named entity recognition
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:290118
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 09:50:43