Implementacija funkcionalnosti analize i usporedbe dokumenata

završni rad

• Naslov (engleski): Implementation of document analysis and comparison functionalities
• Autor: Klara Zagajski
• Mentor: Marina Bagić Babac (mentor)
• Član povjerenstva: Marina Bagić Babac (predsjednik povjerenstva)
• Član povjerenstva: Mihael Kovač (član povjerenstva)
• Član povjerenstva: Kristijan Poje (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-09-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovaj rad bavi se razvojom automatiziranog sustava za prepoznavanje teksta, ekstrakciju informacija, klasifikaciju i usporedbu dokumenata. Sustav obrađuje različite formate dokumenata i koristi tekstualne ugradnje (TF-IDF, Word2Vec, Doc2Vec, GloVe) i modele strojnog učenja (Linear SVM, K-Nearest Neighbors, Multinomial Naive Bayes) za poboljšanje točnosti klasifikacije. Evaluiran na skupu podataka sačinjenog od životopisa s Kaggle-a koji sadrži 22 klase, linearni SVM s TF-IDF-om postigao je najbolje rezultate. Ovaj rad nudi uvid u buduća unapređenja automatizirane analize dokumenata.

Sažetak (engleski)

This thesis develops an automated system for text recognition, information extraction, document classification and document comparison. The system handles various document formats and uses text embeddings (TF-IDF, Word2Vec, Doc2Vec, GloVe) and machine learning models (Linear SVM, K-Nearest Neighbors, Multinomial Naive Bayes) to enhance classification accuracy. Evaluated on a Kaggle-sourced resume dataset with 22 classes, the Linear SVM with TF-IDF achieved the best performance. This work offers insights for future advancements in automated document analysis.

• Ključne riječi: analiza dokumenata; prepoznavanje teksta; ekstrakcija informacija; klasifikacija dokumenata; tekstualne ugradnje; strojno učenje; TF-IDF; Word2Vec; Doc2Vec; GloVe; Linear SVM; K-Nearest Neighbors; Multinomial Naive Bayes; automatizirana obrada dokumenata
• Ključne riječi (engleski): Document Analysis; Text Recognition; Information Extraction; Document Classification; Python; Text Embeddings; Machine Learning; TF-IDF; Word2Vec; Doc2Vec; GloVe; Linear SVM; K-Nearest Neighbors; Multinomial Naive Bayes; Automated Document Processing
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:302520
• 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: 2024-10-12 22:31:24