Usporedba arhitektura generativnih suparničkih mreža za pisanje kratkih tekstualnih poruka

diplomski rad

• Naslov (engleski): Comparison of Architectures of Generative Adversarial Networks for Writing Short Text Messages
• Autor: Ivan Pešorda
• Mentor: Tomislav Petković (mentor)
• Član povjerenstva: Tomislav Petković (predsjednik povjerenstva)
• Član povjerenstva: Davor Petrinović (član povjerenstva)
• Član povjerenstva: Ana Sović Kržić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovaj rad se bavi usporedbom dvaju generativno suparničkih modela za pisanje teksta: SeqGAN i MaskGAN. Rad je prije svega usredotočen na pisanje kratkih poruka pomoću dva gore navedena modela. U uvodnom djelu je objašenjen problem pisanja kratkih poruka, navedeni su slični radovi na ovom području te je dan kratak pregled generativnih suparničkih mreža, SeqGAN mreže i MaskGAN mreže. Nadalje, u radu je objašnjena arhitektura i način ućenja modela korištenih u usporedbi. Nad naučenim modelima je provedeno ljudsko ispitivanje, BLEU metrika, Self-BLEU metrika te je izračunat broj jedinstvenih N-grama. U zaključku rada su komentirani rezultati i postupci učenja.

Sažetak (engleski)

This thesis concerns itself with comparison of two generative adversarial networks for text generation: SeqGAN and MaskGAN. The primary focus of the thesis is generating short messages using the two aforementioned models. Generation of short messages, as well as related work and short explanation of generative adversarial networks, MaskGAN and SeqGAN, are given in the introduction. Furthermore, architecture and training procedure of the models used in comparison are explained in the paper. We performed human evaluation, BLEU metric, Self-BLEU metric and unique N-gram metric and the trained models. Analysis of the results and of the training procedures is given in conclusion.

• Ključne riječi: strojno učenje; generativne suparničke mreže; generiranje teksta; SeqGAN; MaskGAN
• Ključne riječi (engleski): machine learning; generative adversarial networks; text generation; SeqGAN; MaskGAN
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:870513
• 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: 2020-01-07 21:16:34