Warning message

Nemate dozvolu za prikaz ovog resursa!
prikaz prve stranice dokumenta Apstraktivno sažimanje teksta pomoću dubokog učenja
Rad nije dostupan
diplomski rad
Apstraktivno sažimanje teksta pomoću dubokog učenja
2022. urn:nbn:hr:168:457879
Anđelković, Ivan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Anđelković, I. (2022). Apstraktivno sažimanje teksta pomoću dubokog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:457879

Anđelković, Ivan. "Apstraktivno sažimanje teksta pomoću dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:457879

Anđelković, Ivan. "Apstraktivno sažimanje teksta pomoću dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:457879

Anđelković, I. (2022). 'Apstraktivno sažimanje teksta pomoću dubokog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 12.08.2024., https://urn.nsk.hr/urn:nbn:hr:168:457879

Anđelković I. Apstraktivno sažimanje teksta pomoću dubokog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 12.08.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:457879

I. Anđelković, "Apstraktivno sažimanje teksta pomoću dubokog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:457879

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:457879
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovApstraktivno sažimanje teksta pomoću dubokog učenja
Naslov (engleski)Abstractive Text Summarization Using Deep Learning
AutorIvan Anđelković
MentorMarin Šilić (mentor)
Član povjerenstvaMarin Šilić (predsjednik povjerenstva)
Član povjerenstvaSiniša Srbljić (član povjerenstva)
Član povjerenstvaGoran Delač (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Apstraktivno sažimanje jedno je od dva smjera u strojnom sažimanju teksta, uz ekstraktivno. Arhitekture modela koji se koriste pri rješavanju zadataka u ovom području bazirane su na ideji transformera koji se sastoji od para enkoder-dekoder. Trenutno najuspješniji modeli bazirani su na nenadziranom predtreniranju na velikim skupovima podataka i daljnjem podešavanju parametara na manjim skupovima podataka korištenjem nadziranog učenja. U radu su testirani i validirani upravo tri takva modela za apstraktivno sažimanje teksta: BERT, BART i BRIO te su evaluirani pomoću ROUGE metrika. Cilj je izvući bit iz teksta smanjujući njegovu veličinu. Za pravilnu generaciju sažetaka potrebno je poznavanje cijelog jezika kako bi se mogle odabrati prikladne riječi iz rječnika. Trenutni modeli su uspješni u stvaranju sažetaka koji su sadržajno isti ili suženi u odnosu na izvorni tekst. Razumiju značenje ulaznog teksta i koriste ga kao referencu pri generiranju novog kraćeg teksta. Za rad u području apstraktivnog sažimanja teksta potrebne su velike količine vremena i računalne snage što i dalje čini ovakve zadatke izazovnima.
Sažetak (engleski)
Abstractive Text Summarization is one of two ways to automatically summarize text, along with extractive. The model architectures used in solving tasks in this area are based on the idea of a transformer consisting of an encoder-decoder pair. Currently, the most successful models are based on unsupervised pre-training on large datasets and further parameter tuning on smaller datasets using supervised learning. In this paper, exactly three such models for abstract text compression were tested and validated: BERT, BART and BRIO and were evaluated using ROUGE metrics. The goal is to get the meaning out of a body of text while also reducing it in size. Proper generation of summaries requires knowledge of the entire language in order to be able to select appropriate words from the dictionary. Current models are successful in creating summaries that keep the meaning the same or narrowed compared to the original text. They understand the meaning of the input text and use it as a reference when generating new, shorter text. Working in the field of abstract text summarization requires large amounts of time and computing power, which still makes such tasks challenging.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:457879
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-14 08:18:20