Sustav za automatizirani pregled literature

diplomski rad

• Naslov (engleski): System for Automated Literature Review
• Autor: Filip Bacinger
• Mentor: Ivica Botički (mentor)
• Član povjerenstva: Ivica Botički (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Jagušt (član povjerenstva)
• Član povjerenstva: Danijel Mlinarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Sustavni pregled literature je važan oblik znanstvenog rada temeljen na pretraživanju velikog obujma literature, što čini proces vremenski intenzivnim. Ubrzavanje izrade pregleda literature pomoću automatiziranih sustava moglo bi doprinijeti bržem razvoju novog istraživanja.
U radu je izrađena web-aplikacija koja omogućuje definiranje teme pregleda literature, automatsko pretraživanje izvora znanstvenih radova, automatsko označavanje radova (uz minimalan broj ručno označenih radova), pregled radova i izvoz rezultata u obliku dijagrama i svih pozitivno označenih radova.
Za obradu teksta korištene su metode tokenizacije, uklanjanja stop-riječi, vađenja korijena (Lancaster algoritam) i računanja TF-IDF faktora. Obrađeni tekstovi koriste se u kombiniranom modelu strojnog učenja izrađenom od dvadeset i četiri (24) pojedinačna modela. Kombinirani model je podešen da prioritizira točnu klasifikaciju pozitivnih primjera i ostvaruje ukupnu točnost preko 80\%.

Sažetak (engleski)

Systematic literature review is an important form of scientific work based on reviewing a large volume of literature, which makes the process time-intensive. Speeding up the creation of literature reviews with the help of automated systems could contribute to a faster development of new research.
In this thesis, a web application is created which allows defining a subject for the literature review, automated querying of scientific article sources, automated article labelling (with a minimal number of manually labelled articles), viewing articles and exporting results in the form of a diagram and all positively labelled articles.
Methods of tokenisation, stop-word removal, stemming (Lancaster algorithm) and calculating TF-IDF factors were used for text processing. Processed texts are used in a combined model of machine learning which comprises of twenty-four (24) individual models. The combined model is adjusted to prioritize correctly classifying positive articles and has an overall accuracy of over 80\%.

• Ključne riječi: pregled literature; web-aplikacija; automatizacija; obrada prirodnog jezika; strojno učenje; klasifikacija
• Ključne riječi (engleski): literature review; web application; automatization; natural language processing; machine learning; classification
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:206769
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 08:21:07