1. Primerjava algoritmov za analizo sentimenta v filmskih kritikah : magistrsko deloVirdžinija Milutinović, 2024, magistrsko delo Opis: V magistrskem delu smo primerjali različne pristope za klasifikacijo sentimenta kritik
filmov. Naš cilj je bil doseči čim višjo točnost pri klasifikaciji kritik. Uporabili smo
algoritme, kot so metoda podpornih vektorjev, naključni gozdovi, naivni Bayes,
odločitvena drevesa, k-najbližjih sosedov, logistična regresija in glasovanje. Rezultate
smo merili z metriko točnosti. Ugotovili smo, da večji n-grami in algoritmi glasovanja
dosegajo najboljšo točnost. Za najhitrejšo in najbolj točno klasifikacijo priporočamo
algoritem glasovanja brez metode podpornih vektorjev, saj je bila ta najpočasnejša.
Ključne besede: analiza sentimenta, n-grami, algoritmi za klasifikacijo, točnost
Objavljeno v DKUM: 01.03.2024; Ogledov: 275; Prenosov: 27
 Celotno besedilo (2,00 MB) |
2. Interpretacija odločitev nevronske mreže z metodo lime : diplomsko deloKristijan Dajčman, 2023, diplomsko delo Opis: V diplomskem delu interpretiramo odločitve globokih nevronskih mrež za analizo sentimenta slovenskih in angleških besedil z metodo LIME. Nevronske mreže veljajo za črne škatle, saj je težko pojasniti njihove odločitve s samimi utežmi, kar predstavlja težave pri posvojitvi takšnih modelov v situacijah, kjer je pomembna transparentnost in zanesljivost odločitev. Problem črnih škatel lahko rešimo z metodami interpretiranja, kot je LIME, ki pojasni odločitev črne škatle z lokalnim nadomestkom. V tem delu interpretiramo napovedi treh nevronskih mrež z metodo LIME in poskušamo na podlagi interpretacij razložiti delovanje nevronskih mrež.
Ključne besede: LIME, razložljiva umetna inteligenca, nevronska mreža, analiza sentimenta
Objavljeno v DKUM: 21.09.2023; Ogledov: 387; Prenosov: 30
Celotno besedilo (2,88 MB) |
3. Napovedni model gibanja tržnih cen s pomočjo analize sentimenta : magistrsko deloDavid Pintarič, 2022, magistrsko delo Opis: Na svetu obstajajo številni trgi, kjer lahko kupci in prodajalci trgujejo s finančnimi inštrumenti. Ker se cene na trgih neprestano spreminjajo, lahko to lastnost, ki jo imenujemo nestanovitnost, izkoristimo in, če imamo pravilno napoved, ustvarimo profit. V sklopu magistrskega dela se problema pravilne napovedi lotimo z uporabo analize sentimenta in jezikovnih tehnologij. S pomočjo objav uporabnikov na socialnem omrežju Twitter izdelamo model, ki napove gibanje tržne cene kriptovalute Bitcoin. Preizkusimo več različnih algoritmov za klasifikacijo sentimenta. Najboljše rezultate dosežemo z metodo podpornih vektorjev. Ugotovimo, da sta izdelan model in analiza sentimenta uporabna za napoved tržne cene, vendar sama po sebi nista dovolj natančna, da bi ju lahko uporabili kot edini kazalnik. Oba sta bolj primerna kot del večjega sistema za podporo pri odločanju.
Ključne besede: procesiranje naravnega jezika, analiza sentimenta, trgovanje, napovedni model
Objavljeno v DKUM: 25.10.2022; Ogledov: 600; Prenosov: 93
Celotno besedilo (5,53 MB) |
4. Zasnova in razvoj sistema za rudarjenje mnenja, s pomočjo besednih vektorjev in nevronskih mrež : magistrsko deloMiha Hozjan, 2020, magistrsko delo Opis: V zadnjih letih je, predvsem s porastom socialnih medijev, analiza sentimenta postala ena izmed glavnih vej obdelave naravnega jezika. Intenzivno se uporablja na različnih področjih, med drugim tudi v političnem prostoru. V sklopu magistrske naloge smo izdelali sistem za rudarjenje mnenja, ki uspešno razvrsti komentarje, zapisane v slovenskem jeziku, v tri kategorije, in sicer pozitivne, negativne in nevtralne. Po proučitvi strokovne in znanstvene literature ter razvoju in primerjavi različnih modelov nam je uspelo pokazati, da lahko z uvedbo besednih vektorjev v kombinaciji z nevronskimi mrežami občutno izboljšamo delovanje takšnega sistema.
Ključne besede: analiza sentimenta, besedni vektorji, nevronske mreže, obdelava naravnega jezika
Objavljeno v DKUM: 03.11.2020; Ogledov: 923; Prenosov: 90
Celotno besedilo (1,22 MB) |
