Opis: Socialna omrežja in tradicionalni viri novic imajo velik vpliv na razmišljanje ter dejanja posameznikov v družbi. Napačna ali izmišljena dejstva in lažne novice lahko zato povzročijo veliko škodo. V sklopu magistrskega dela smo primerjali metode Naivni Bayes, logistično regresijo, nevronsko mrežo z dolgim kratkoročnim spominom in graf konvolucijsko nevronsko mrežo za odkrivanje lažnih novic. S preučitvijo sorodne literature in primerjavo metod smo ugotovili, da je težko prepoznati lažne novice zgolj s klasifikacijo besedila. Pri klasifikaciji novic na dva razreda se je najbolje izkazal logistična regresija, pri klasifikaciji na šest razredov pa nevronska mreža LSTM.Ključne besede: jezikovne tehnologije, nevronske mreže, lažne novice, klasifikacija besedilaObjavljeno v DKUM: 11.05.2022; Ogledov: 925; Prenosov: 89 Celotno besedilo (1,36 MB)
Opis: V diplomskem delu je predstavljen akterski model sočasnega računanja kot rešitev za slabosti večnitnega modela. Praktičen primer prikazuje uporabo akterskega modela v aplikaciji za spletni klepet. Strežnik je implementiran v programskem jeziku Elixir in uporablja podatkovno bazo MongoDB. Spletna aplikacija je spisana v programskem jeziku JavaScript s pomočjo programskega ogrodja Aurelia.Ključne besede: akterski model, sočasno računanje, programski jezik ElixirObjavljeno v DKUM: 05.09.2016; Ogledov: 1376; Prenosov: 183 Celotno besedilo (1,12 MB)
