| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 3 / 3
First pagePrevious page1Next pageLast page
1.
2.
ANALIZA OBSTOJEČIH RAZŠIRITEV V SISTEMU JOOMLA
Zmagoslav Šalamun, 2012, undergraduate thesis

Abstract: V diplomskem delu ocenjujemo in opisujemo obstoječe razširitve za odprtokodni sistem za upravljanje vsebin Joomla. Uporabili smo samo obstoječe in brezplačne razširitve, ki smo jih naložili z uradne spletne strani Joomla Extensions Directory. Razširitve smo ocenili s pomočjo večparametrskega odločitvenega modela. Obstajajo številni brezplačni sistemi za upravljanje vsebin; mi smo se odločili za Joomlo, saj je lani ponovno zmagala na The Open Source CMS. Ugotovili smo, da obstaja za Joomlo več kot 5000 razširitev. Nekatere imajo dobro tehnično podporo in hiter razvoj, druge pa so bistveno slabše tehnično podprte. Ugotavljamo, da postajajo številne razširitve plačljive ali pa jih lahko s spleta naložimo brezplačno le z zelo okrnjenimi funkcijami. Pri razširitvah za Joomlo je največji problem nihanje kakovosti razširitev.
Keywords: sistemi za upravljanje vsebin, CMS, dinamična spletna stran, Joomla, razširitve, komponenta, modul, vtičnik, predloga, večparametrski odločitveni model
Published: 26.11.2012; Views: 5367; Downloads: 112
.pdf Full text (3,87 MB)

3.
Razvoj modela za inteligentno podporo odločanju na osnovi analize nesktrukturiranih vsebin
Miha Pavlinek, 2016, doctoral dissertation

Abstract: V svetu vseprisotnega računalništva se s kopičenjem naprav ter množično uporabo družbenih omrežij, elektronske komunikacije in drugih oblik IKT storitev naglo povečuje tudi količina nestrukturiranih vsebin. To nas sili k uporabi inteligentnih rešitev, ki za nas te vsebine organizirajo, se namesto nas odločajo o njihovi pomembnosti in nam posredujejo zgolj najbolj relevantne med njimi. Osnovna zmožnost takšnih rešitev je klasifikacija vsebin, zato so v njih avtomatski klasifikatorji nepogrešljiv člen. Zanje je tipično, da za učenje potrebujejo številne označene primerke z ustrezno predstavitvijo, v praksi pa označeni primerki niso vedno na voljo, zato je potrebno avtomatske klasifikatorje prilagoditi tako, da so sposobni pri učenju uporabljati tudi druge, neoznačene vsebine. V disertaciji smo predstavili metodo ST LDA (ang. Self-Training with LDA) za klasifikacijo besedil, ki za učenje klasifikatorja potrebuje le minimalno množico označenih in veliko večjo množico neoznačenih primerkov. Predlagali smo algoritem, ki temelji na metodi samoučenja ter predstavitvi besedil na osnovi tematskega modela, kar prinaša dodatne faktorje, od katerih je odvisna njegova uspešnost. Za vsak faktor smo, na podlagi številnih eksperimentov nad sedmimi besedilnimi podatkovnimi zbirkami, ocenili vpliv na uspešnost klasifikacije ter definirali model za določanje vrednosti parametrov, s čimer se izognemo dodatnim nastavitvam. Uspešnost metode smo primerjali z uspešnostjo drugih uveljavljenih metod in predstavitev, pri čemer predlagana metoda ST LDA dosega nadpovprečne rezultate, kar smo navsezadnje potrdili z neparametričnimi statističnimi testi.
Keywords: obdelava naravnega jezika, tekstovno rudarjenje, klasifikacija, tematsko modeliranje, delno nadzorovano učenje, samoučenje
Published: 16.09.2016; Views: 853; Downloads: 98
.pdf Full text (4,13 MB)

Search done in 0.11 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica