Analiza i učinkovita implementacija postupaka morfološke normalizacije za hrvatski jezik

diplomski rad

• Naslov (engleski): Analysis and Efficient Implementation of Morphological Normalization methods the for Croatian Language
• Autor: Luka Markušić
• Mentor: Jan Šnajder (mentor)
• Član povjerenstva: Jan Šnajder (predsjednik povjerenstva)
• Član povjerenstva: Alan Jović (član povjerenstva)
• Član povjerenstva: Domagoj Jakobović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Rad istražuje problem korjenovanja hrvatskog jezika s naglaskom na performansama. Istražena je povijest korjenovanja ostalih jezike, pristupi rješavanju problema korjenovanja te su izabrani konačni automati kao područje vrijedno istraživanja. Kreirani su nedeterministički konačni automati od predefiniranih pravila za odbacivanje nastavaka te je provjereno rade li brže od postojećih implementacija na testnom uzorku od 40 000 riječi. Usporedba se vršila među više postojećih rješenja, od kojih inačica s automatima postiže najbolje rezultate, no ti rezultati nisu bolji od rezultata polazišne implementacije.

Sažetak (engleski)

The problem of stemming for Croatian language was researched. An overview of the history of stemming for different languages was presented, and the various implementations of such a tool were researched. An approach trying to improve on the performance of existing implementations was made based on non-deterministic finite automata. The automata were constructed from prewritten rules and tested on a test set of 40 000 words. The final execution time was compared to a few existing implementations and it was among the fastest, but not faster than the starting implementation.

• Ključne riječi: NLP; korjenovatelj; stemmer; regex; regularni izrazi; NKA
• Ključne riječi (engleski): NLP; stemmer; stemming; regex; regular expressions; NFA
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:906994
• 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: 2023-01-13 10:21:06