Modeli dubokog učenja za analizu korisničkih komentara na društvenim mrežama

diplomski rad

• Naslov (engleski): Deep Learning Models for the Analysis of User Comments on Social Networks
• Autor: Tomislav Marinković
• Mentor: Jan Šnajder (mentor)
• Član povjerenstva: Jan Šnajder (predsjednik povjerenstva)
• Član povjerenstva: Ante Đerek (član povjerenstva)
• Član povjerenstva: Alan Jović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U zadnje vrijeme duboko učenje polako uzima maha i postavlja se kao način za izradu umjetne inteligencije. Jedan od važnih segmenta umjetne inteligencije je razumjevanje prirodnog jezika. U ovom radu dan je pregled nekih algoritama s kojim je moguće odrediti sentiment, emociju, temu i govorni čin iz komentara sa Facebook stranica hrvatskih telekomunikacijskih kompanija.

Sažetak (engleski)

In recent years deep learning is starting to take off in the world of artificial intelligence, and is starting to be the default approach of machine learning. One of the most important parts of artificial intelligence is understanding natural language. In this thesis, some promising algorithms are looked into. Those algorithms can determine sentiment, emotion, topic, and speech act of users comments posted on Facebook.

• Ključne riječi: Duboko učenje; obrada prirodnog jezika; analiza korisničkih komentara; neuronske mreže; sentiment; emocije; komentari; govorni čin
• Ključne riječi (engleski): Deep learning; natural language processing; user comments analysis; neural network; word2vec; Facebook; sentiment; emotions; comments; speech acts
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:068873
• 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: 2019-03-13 22:40:51