Modeli obrade prirodnog jezika za detekciju sarkazma na društvenim mrežama

završni rad

• Naslov (engleski): Natural Language Processing Models for Sarcasm Detection on Social Media
• Autor: Dunja Šmigovec
• Mentor: Jan Šnajder (mentor)
• Član povjerenstva: Jan Šnajder (predsjednik povjerenstva)
• Član povjerenstva: Ivan Crnomarković (član povjerenstva)
• Član povjerenstva: Zoran Medić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Obrada prirodnog jezika je grana umjetne inteligencije, koja pomaže računalima u određivanju sentimenta te značajnih dijelova jezika. Detekcija sarkazma specifičan je slučaj analize sentimenta i predstavlja izazovan zadatak u obradi prirodnog jezika. Budući da sarkazam koristi suprotni sentiment, teško ga je razumjeti, ne samo za strojeve, već i za ljude. U ovom radu ispitane su metode strojnog i dubokog učenja za klasifikaciju sarkazma u objavama na društvenim mrežama. Naša dva glavna pristupa uključuju BiLSTM modele, koji uzimaju u obzir odgovor i različite duljine konteksta. Zaključujemo da previše konteksta smanjuje točnost modela. Primjećujemo da pristupi dubokog učenja daju bolje rezultate od pristupa strojnog učenja.

Sažetak (engleski)

Natural language processing is a branch of artificial intelligence, that helps computers to measure sentiment and determine which parts of language are significant.
Sarcasm detection is a specific case of sentiment analysis and presents a challenging task in natural language processing. Because sarcasm uses the opposite sentiment, it is hard to understand, not only for machines but also for humans. In this thesis, we test machine and deep learning methods for sarcasm classification in social media posts. Our two main approaches include BiLSTM models that take the response and various lengths of context into consideration. We conclude that too much context reduces the accuracy of the model. We observe that deep learning approaches yield better results than machine learning.

• Ključne riječi: obrada prirodnog jezika; sarkazam; LSTM; kontekst; strojno učenje; duboko učenje; klasifikacija; društvene mreže
• Ključne riječi (engleski): natural language processing; sarcasm; LSTM; context; machine learning; deep learning; classification; social media
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:289130
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 21:47:54