Model koherentnosti tekstova na hrvatskome jeziku temeljen na analizi entiteta

završni rad

• Naslov (engleski): Entity-Based Coherence Model for Croatian Texts
• Autor: Jura Šlosel
• Mentor: Jan Šnajder (mentor)
• Član povjerenstva: Jan Šnajder (predsjednik povjerenstva)
• Član povjerenstva: Goran Glavaš (član povjerenstva)
• Član povjerenstva: Mladen Karan (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2015-09-16, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Koherentnost je značajka prirodnog testka koja direktno utječe na razumljivost teksta, a opisuje povezanost djelova teksta u cjelinu. U radu je prezentiran model lokalne koherentnosti temeljen na rešetci entiteta za tekstove na hrvatskom jeziku. Algoritam iz tekstova vadi entitete i njihove gramatičke uloge te apstrahira tekst u rešetku prijelaza uloga entiteta te na sintetički označenom korpusu uči raspodjelu prijelaza karakterističnu za koherentne tekstove. Rezultantni model rangira ulazne tekstove po koherentnosti. Model postiže visoku točnost na zadatku određivanja poretka rečenica, 87%-93% na kratkim novinskim člancima.

Sažetak (engleski)

Coherence is a feature of natural texts that directly influences its understandability and corresponds to the level of connectedness of parts of texts into a logical whole. This thesis presents an entity grid based model of local coherence for Croatian texts. The algorithm extracts entites and their grammatical roles from texts and abstracts the text into a grid of entity role transitions. The model learns distributions of transitions characteristic for coherent texts on synthetically annotated corpora. The resulting model rangs input texts by coherence. A high performance is achieved by the model on the sentence ordering task, 87%-93% on short newspaper articles.

• Ključne riječi: obrada prirodnog jezika; hrvatski jezik; diskurs; rešetka entiteta; lokalna koherentnost; entitet
• Ključne riječi (engleski): natural language processing; Croatian language; discourse; entity grid; local coherence; entity-based
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:845198
• 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: 2018-02-06 12:20:51