Predviđanje riječi primjenom metoda strojnog učenja na temelju n-gramskih nizova

završni rad

• Naslov (engleski): Word prediction using machine learning methods based on n-gram sequences
• Autor: Domagoj Marinello
• Mentor: Marin Vuković (mentor)
• Član povjerenstva: Marin Vuković (predsjednik povjerenstva)
• Član povjerenstva: Ivona Brajdić (član povjerenstva)
• Član povjerenstva: Renato Šoić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-09-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U okviru završnog rada razvijena su dva modela za obradu prirodnog jezika. Kao model izabran je n-gramski model, a za ulazne podatke, odnosno podatke za testiranje, odabrana su dva skupa podataka – jedan obrađeni skup podataka i drugi neobrađeni. Nad skupovima podataka izvršena je manipulacija kako bi bili spremni za ugradnju u jezični model koji bi nakon toga vršio predikcije. Analizirana je uspješnost predikcije i vrijeme izvođenja za različite veličine skupova podataka, kao i za različitu duljinu n n-gramskog niza. Isprobane su i određene matematičke metode za poboljšanje predikcije, ali ovo je područje u kojem ima još mnogo mjesta za istraživanje.

Sažetak (engleski)

As part of the final thesis, two natural language processing models were developed. The n-gram model was chosen and two data sets were selected for testing data – one containing preprocessed data and other with raw data. Datasets were processed to fit into a language model that would then perform predictions. Prediction performance and execution time were analyzed for different data set sizes, as well as for different n in n-grams. Certain mathematical methods to improve prediction have also been tried, but this is an area where there is still much room for research.

• Ključne riječi: n-gram; obrada prirodnog jezika; strojno učenje
• Ključne riječi (engleski): n-grams; natural language processing; nlp; machine learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:193407
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 09:26:23