Primjena grafova u klasifikaciji i grupiranju dokumenata

završni rad

• Naslov (engleski): Application of Graphs in Document Classification and Grouping
• Autor: Leo Obadić
• Mentor: Tomislav Burić (mentor)
• Član povjerenstva: Tomislav Burić (predsjednik povjerenstva)
• Član povjerenstva: Neven Elezović (član povjerenstva)
• Član povjerenstva: Jan Šnajder (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Cilj je ovog rada demonstrirati primjenu reprezentacije teksta grafovima kako bismo povećali preciznost klasifikacije i grupiranju teksta. U prvom dijelu objašnjava se kako tekst pretvoriti u graf. Predstavljeni su i algoritmi za izračun sličnosti grafova koji su korišteni u četiri obrađivane metode strojnog učenja (k-srednjih vrijednosti, k-reprezentanata, k-najbližih susjeda i kombinacija k-srednjih vrijednosti i k-najbližih susjeda). U drugom dijelu navedeni su eksperimentalni rezultati dobiveni u okviru programskog jezika Python.

Sažetak (engleski)

In this paper we are trying to demonstrate application of graph models in machine learning, specifically in natural language analysis through basic clustering and classification methods. Firstly, articles gathered from few websites are preprocessed and converted to graphs and
vectors. Then, those data structures are used for clustering and classification. Methods used for clustering are k-means and k-medoids but after small modifications they are also used for classification besides k-nearest neighbours method. Furthermore, new classification method that uses both clustering and k-nearest neighbours method was proposed. Finally, after testing, graphs showed better results due to lower information loss after text to graph conversion.

• Ključne riječi: strojno učenje; klasifikacija; grupiranje; najveći zajednički podgraf; k-srednjih vrijednosti; k-reprezentanata; k-najbližih susjeda; obrada prirodnog jezika
• Ključne riječi (engleski): machine learning; classification; clustering; maximal common subgraph; k-medoids; k-means; k-NN; natural language processing
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:997993
• 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: 2019-03-13 23:28:09