Ekstrakcija članaka s novinskih portala pomoću strojnog učenja

diplomski rad

• Naslov (engleski): Extraction of Articles from News Portals Using Machine Learning
• Autor: Filip Karlo Došilović
• Mentor: Tomislav Hrkać (mentor)
• Član povjerenstva: Tomislav Hrkać (predsjednik povjerenstva)
• Član povjerenstva: Jan Šnajder (član povjerenstva)
• Član povjerenstva: Zoran Kalafatić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-02-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Revolucijom novih tehnologija, primarno pametnih mobilnih uređaja,
omogućena je konstantna i neprekidna komunikacija.
Neprekidna komunikacija različitom vrstom medija,
poput teksta i slika, stvara neprekidan tok podataka.
Ti se podaci trebaju obraditi.
Ekstrakcija informacija važno je područje primarno orijentirano
na ekstrakciju strukturiranih informacija iz nestrukturiranih
tekstualnih izvora, koje svoje
metode i pristupe crpi iz obrade prirodnog jezika
i umjetne inteligencije.
Jedan od standardnih izvora podataka su članci (online) novinskih
portala. Standardni pristupi ekstrakcije članaka s novinskih
portala temeljeni su na ručno pisanim pravilima i heuristikama.
Ovaj diplomski rad istražuje mogućnosti kombiniranja tradicionalnih
algoritama zajedno s računalnim vidom za poboljšavanje
ekstrakcije članaka s novinskih portala.

Sažetak (engleski)

Rapid adoption of new mobile technologies, such as
smartphones and tablets, enabled continuous and
uninterrupted communication worldwide. Communicating
through various different mediums, such as text and images,
continuously creates data. That data needs to be
processed and analyzed. Information extraction, an
important field for extracting structured information
from raw, unstructured textual sources, draws its
methods from natural language processing and artificial
intelligence. In the domain of information extraction is
extracting articles from online news portals. Standard
approaches use various heuristics and hand-crafted rules.
This thesis explores the combination of computer vision and
traditional approaches for improving the results of
article extraction.

• Ključne riječi: ekstrakcija informacija; računalni vid; optičko prepoznavanje znakova; novinski portali; ekstrakcija sadržaja
• Ključne riječi (engleski): information extraction; computer vision; optical character recognition; online news portals; content extraction
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:416973
• 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 12:07:59