Plitko semantičko parsanje tekstova na hrvatskome jeziku

diplomski rad

• Naslov (engleski): Shalow Semantic Parsing of Croatian Texts
• Autor: Krešimir Baksa
• Mentor: Jan Šnajder (mentor)
• Član povjerenstva: Jan Šnajder (predsjednik povjerenstva)
• Član povjerenstva: Marko Čupić (član povjerenstva)
• Član povjerenstva: Slobodan Ribarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2015-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu definiran je skup semantičkih okvira za manji broj glagola koji su bili najzastupljeniji u dostupnom hrvatskom korpusu. Na temelju tih okvira označen je relativno malen skup rečenica iz korpusa te je izvršeno vrednovanje modela temeljenih na nadziranom strojnom učenju na zadatku plitkog semantičkog parsanja. Pokazano da na tako malom skupu primjera automatski modeli temeljeni na strojnom učenju postižu dobre rezultate F1=58.54. Na reduciranom skupu semantičkih uloga, modeli temeljeni na strojnom učenju nadmašuju rezultate osnovnog modela te u tom slučaju najbolju F1-mjeru postiže stroj potpornih vektora (F1=69.20).

Sažetak (engleski)

In this thesis a set of semantic frames for smaller number of most common verbs in available Croatian corpus was defined. Based on those semantic frames relatively small set of sentences was labeled with semantic roles and, based on those sentences, the evaluation of supervised machine learning models was performed on a task of shallow semantic parsing. It is shown that even on relatively small training set models based on supervised machine learning can perform well and achive good results with F1=58.54. On a reduced set of sematic roles, machine learning models outperform baseline model and in that case the best F1-score is achived with Support Vector Machine (F1=69.20).

• Ključne riječi: obrada prirodnog jezika; hrvatski jezik; plitko semantičko parsanje; nadzirano strojno učenje; logistička regresija; stroj potpornih vektora
• Ključne riječi (engleski): natural laguage processing; Croatian language; shallow semantic parsing; supervised machine learning; logistic regression; support vector machine
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:239652
• 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: 2018-02-06 07:42:08