diplomsko delo
Žiga Pušnik (Avtor), Marko Robnik Šikonja (Mentor)

Povzetek

Cilj diplomske naloge je preizkusiti učenje jezikovnih problemov s pomočjo globokih konvolucijskih nevronskih mrež. Konvolucijske nevronske mreže so bile razvite predvsem za področje umetnega zaznavanja in delujejo na podlagi konvolucije. Naučili smo jih, da so na podlagi kratkega povzetka besedila napovedale razred, h kateremu spada. Drugi problem, ki smo ga reševali je postavljanje vejic v slovenskem jeziku. Konvolucijsko nevronsko mrežo smo sprogramirali s programskim jezikom python. Uporabili smo knjižnjico Theano. Izhajali smo iz že obstoječih raziskav. Opišemo način, kako smo obdelali podatkovne množice, da so primerne za naš model. Opravili smo več poskusov. Primerjali smo lematizacijo in krnjenje ter predstavitev besedila z vektorizacijo in predstavitev z bitnim poljem. Zadovoljive rezultate smo dobili, če smo besedilo kvantizirali, kjer smo črke vektorizirali z 1 do m kodiranjem. Naši rezultati pri postavljanju vejic so primerljivi z rezultati drugih raziskav.

Ključne besede

strojno učenje;obdelava naravnega jezika;nevronska mreža;nevron;konvolucija;konvolucijska nevronska mreža;klasifikacija;klasifikacijski model;klasifikator;klasifikacijska točnost;jezik;besedilo;vejica;lema;krn;moment;gradient;gradientni spust;vzvratno širjenje napake;učenje;stopnja učenja;podatkovna množica;jezikovni korpus;atribut;računalništvo;računalništvo in informatika;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [Ž. Pušnik]
UDK: 004.85:81'322.2(043.2)
COBISS: 1536476611 Povezava se bo odprla v novem oknu
Št. ogledov: 1858
Št. prenosov: 613
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Using deep convolutional neural networks on natural language problems
Sekundarni povzetek: The thesis examines the learning of language problems with convolutional neural networks. Convolutional neural networks were developed for machine vision. We used them to classify short abstracts and to learn a comma placement in Slovenian language. We programmed our convolutional neural network in programming language python with Theano library. Our work is based on existing research. We describe adaptation of datasets to our model. Several experiments were conducted and we compared lemmatization versus stemming and vector representation of text versus byte array representation. The best results were obtained with text quantized with 1 to m encoding. Comma placing results are comparable with other machine learning approaches.
Sekundarne ključne besede: machine learning;natural language processing;neural network;neuron;convolution;convolutional neural network;classification;classification model;classificator;classification accuracy;language;text;comma;lemma;stemm;momentum;gradient;gradient descent;backpropagation;learning rate;momentum rate;dataset;text corpus;attribute;computer science;computer and information science;diploma;
Vrsta datoteke: application/pdf
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000468
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 47 str.
ID: 8890380