Završni radovi | Repozitorij FER-a

: Analiza sentimenta iz korisničkih recenzija ugostiteljskih objekata; Roman Kerčmar
Analiza sentimenta iz korisničkih recenzija teži predvidjeti korisničku ocjenu isključivo na temelju teksta. Ispitane su dvije arhitekture neuronskih mreža, Konvolucijske i dvosmjerne povratne mreže. Učene su kao regresijski i kao klasifikacijski modeli. Dvosmjerne povratne mreže u kombinaciji s LSTM ćelijom pokazale su se najbolje i prema Pearsonovom koeficijentu korelacije (0.842) i prema točnosti (0.65).

: Analiza sentimenta na Twitteru prije i poslije američkih izbora 2020; Karla Topić
Analiza sentimenta na Twitteru prije i poslije američkih izbora 2020 Cilj ovog istraživanja je analizirati sentiment prije i poslije (točnije tijekom) predsjedničkih izbora SAD-a 2020. godine i otkriti kako se taj sentiment mijenjao. Cilj nam je analizirati emocionalni sadržaj otprilike milijun tweet-ova koji sadrže #trump, #donaldtrump, #biden i #joebiden koristeći NRC VAD leksikon, NRC leksikon i VADER leksikon za analizu sentimenta. Nakon toga, usredočili smo se na riječi koje...

: Analiza sentimenta novinskih članaka; Ana Barić
Cilj ovog rada bio je razvoj modela za strojnu evaluaciju sentimenta u novinskim člancima. Tip sentimenta koji se izučavao bio je ciljani sentiment, odnosno sentiment prema ciljnom entitetu na razini rečenice. U sklopu razvoja modela za analizu sentimenta u ovom radu označen skup od 1636 podataka koji su bili korišteni za treniranje i evaluaciju modela. Za razvoj modela koristili su se pristupi iz domene dubokog učenja. Implementacija ovog rada obuhvaća razvoj cjevovoda za...

: Analiza sentimenta u glazbenim tekstovima; Antonijo Marijić
Analiza sentimenta stihova važan je dio glazbenih sustava za preporučivanje jer se koristi za klasifikaciju pjesama. No, pronalaženje točnih klasifikatora je izuzetno zahtjevno zbog nedostatka sveobuhvatnih skupova podataka. Na temelju velikog skupa tekstova pjesama, ovaj završni rad istražuje postupke automatske obrade skupa podataka i analize sentimenta na temelju afektivnih leksikona. Rezultati naznačuju kakve se afektivne dimenzije mogu prepoznati te kako se mogu interpretirati.

: Analiza sentimenta u komunikaciji na Twitchu; Leonardo Čuljak
Video igre su tradicionalno uvijek bile društvene, gdje arkade pružaju mogućnost javne igre, a konzole mogućnost zajedničkog igranja kod kuće. Gledatelji nisu ograničeni na pasivno gledanje jer mogu izravno uživo komunicirati s igračem. Danas Twitch.tv dominira u gotovo svim zemljama u prijenosu video igara uživo. U takvim igrama dominiraju, tzv. streameri - visoko kvalificirani igrači koji minimalno komuniciraju pa je cilj ovog završnog rada proučiti zajedničke komunikacijske...

: Analiza sentimenta u muzičkim žanrovima; Luka Čagalj
Analiza sentimenta ostvarena je na više načina. Različite reprezentacije teksta poput TF-IDF reprezentacije, reprezentacije dobivene primjenom rangirajuće funkcije BM25 i GloVe modela za učenje vektorskih reprezentacija riječi, koristile su se za učenje modela. U izradi sustava koristili su se modeli: logistička regresija, stroj potpornih vektora i LSTM povratna neuronska mreža. Za problem binarne klasifikacije sentimenta dobivena je točnost 78\%, dok je za višeklasni problem...

: Analiza sentimenta u novinskim naslovima korištenjem velikih jezičnih modela; Jana Juroš
U domeni obrade prirodnog jezika, analiza sentimenta izdvaja se kao tradicionalan, ali izazovan zadatak, obilježen subjektivnošću, zahtjevima za specifičnim znanjem domene te širokom i nejasnom definicijom sentimenta koja varira ovisno o zadatku. Usmjerena analiza sentimenta donosi dodatne izazove, uključujući sklonost pristranosti vezanoj za pojedine entitete i utjecaj općeg sentimenta na usmjerene evaluacije. Ovaj rad bavi se detekcijom usmjerenog sentimenta u kontekstu velikih...

: Analiza sentimenta u porukama predsjednika Trumpa na Twitteru; Mihael Kampić
Svrha ove teze je istražiti učinke tweetova Donalda Trumpa i osjećaje poruka koje on šalje. Koristeći veliku količinu njegovih tweetova, isključujući retweetove, ova teza provodi analizu raspoloženja primjenom leksikonskog pristupa kako bi se tweetovi razvrstali u tri skupine prema njihovoj ocjeni osjećaja: pozitivni, negativni i neutralni tweetovi. Na temelju rezultata ovog istraživanja može se zaključiti da su kognitivni aspekti Trumpovih tweetova u korelaciji s agendom koju...

: Analiza sentimenta u recenzijama filmova uz pomoć neuroevolucije; Danijel Barišić
Korišten je IMDB skup podataka za analizu sentimenta. Izgrađena je LSTM neuronska mreža pomoću koje se vrši evaluacija pojedinih potencijalnih rješenja. Evolucijski algoritam uzdržava i evoluira populaciju potencijalnih rješenja. Rješenja se evoluiraju pomoću prirodom inspiriranih procesa kao što su selekcija, mutacija, križanje i fitness tj. funkcija dobrote jedinki u populaciji.

: Analiza sentimenta u recenzijama proizvoda; Niko Palić
Cilj ovog rada bio je izgraditi model strojnog učenja koji može što preciznije moguće predvidjeti broj zvjezdica (rejting) neke recenzije proizvoda, koriste ́ci tekst recenzije. Recenzije su dane u Amazonovom skupu podataka. Svaka recenzija ima tijelo, naslov i broj zvjezdica. Pripremanje skupa podataka uključivalo je tokenizaciju, micanje beskorisnih riječi i reduciranje riječi u korijen. Korišteni modeli su Gaussov naivni Bayesov klasifikator i sekvencijalna neuronska mreža....

: Analiza sentimenta u tvitovima na hrvatskome jeziku; Luka Krajcar
U posljednjih nekoliko godina primjetan je nagli porast korisnički generiranog sadržaja unutar društvenih mreža. Jedna od takvih mreža osobito pogodna za strojnu analizu sentimenta je Twitter, mikro-blogging servis unutar kojega korisnici odašilju kratke poruke - tvitove. Cilj strojne analize sentimenta je automatski odrediti mišljenje, stav ili emociju izraženu u tekstu klasifikacijom u jednu od tri klase: pozitivnu,negativnu ili neutralnu. Zbog nemogućnosti ručnog označavanja...

: Analiza sentimenta zasnovana na modelima dubokog učenja; Dunja Aćimović
U ovom radu su se detaljno opisale dvije različite arhitekture modela dubokog učenja: rekurzivne neuronske mreže i transformeri. Obje arhitekture su postigle dotad neviđene rezultate u području obrade prirodnog jezika, te su naglo postale popularne i pronašle mnogobrojne primjene, kao što je analiza sentimenta. Odabran je i implementirani po jedan model ovih arhitektura. Za primjer modela rekurzivnih neuronskih mreža odabran je model LSTM, dok je za primjer transformera odabran model...

Paginacija