| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 3 / 3
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Uporaba vektorske vgradnje za inteligentno obdelavo slovenskega besedila
Urban Strnišnik, 2020, magistrsko delo

Opis: V sklopu magistrske naloge smo se najprej osredotočili v problematiko pridobivanja uporabnega znanja iz nestrukturiranega besedila. Po poročilih IDC je razmerje med strukturiranimi in nestrukturiranimi podatki vsako leto večje. Načinov pridobivanja uporabnega znanja iz nestrukturiranega besedila je več, ena izmed njih so besedne vložitve oz. vektorska vgradnja. Najprej smo se posvetili pregledu tehnik besednih vložitev, kaj to je in kaj z njimi dosežemo. Ugotovili smo, da da izraz besedna vložitev stoji za določitvijo vektorske vrednosti besedi, s katero lahko izvajamo nadaljnje računske operacije. Namen magistrske naloge je bil preizkusiti nekatere algoritme vektorske vgradnje, izdelati lastne modele obdelave besedil in jih nato primerjati z nekaterimi že obstoječimi modeli. Lastne in obstoječe modele obdelave besedil smo nato preizkusili in na podlagi primerjave ugotovili prednosti in slabosti pri uporabi v določenem okolju. V sklopu učenja modelov smo se osredotočili tako v nadzorovane kot tudi v nenadzorovane tehnike učenja. Vhodni korpus podatkov smo pridobili iz pravilnikov štirinajstih slovenskih univerz in fakultet. Iz ugotovljenih rezultatov smo opravili analizo in diskusijo rezultatov, kjer smo dobili odgovore na zastavljena raziskovalna vprašanja, hipoteze pa sprejeli ali zavrnili.
Ključne besede: Besedne vložitve, strojno učenje, fastText, obdelava naravnega jezika, doc2vec, word2vec, klasifikacija besedila, nadzorovano učenje, nenadzorovano učenje
Objavljeno: 17.11.2020; Ogledov: 122; Prenosov: 32
.pdf Celotno besedilo (3,65 MB)

2.
Uporaba analitike besedil za samodejno gradnjo semantične mreže na osnovi ključnih besed
Črtomir Majer, 2017, magistrsko delo

Opis: V magistrskem delu smo se spopadli s problemom samodejne gradnje računalniške baze znanja, z uporabo analitike besedil in tehnik nenadzorovanega strojnega učenja. Definirali in implementirali smo proces, ki je zmožen iz domensko-specifičnega korpusa besedil ustvariti semantično mrežo. Ta vsebuje ključne koncepte in relacije med njimi, ki se pojavljajo znotraj izbranega področja, katerega določimo s ključnimi besedami. Pri tem uporabimo številne metode, kot so procesiranje naravnega jezika, odprto pridobivanje informacij, vektorska predstavitev besed (word2vec), gručenje in druge tehnike odkrivanja znanja. Predstavimo tudi lastne rešitve in izboljšave, ki pripomorejo k uspešnejši gradnji semantične mreže.
Ključne besede: analitika besedil, semantična mreža, odprto pridobivanje informacij, word2vec, nenadzorovano učenje
Objavljeno: 17.10.2017; Ogledov: 618; Prenosov: 98
.pdf Celotno besedilo (6,02 MB)

3.
SAMOOJAČITVENO UČENJE
Matej Mlakar, 2012, diplomsko delo

Opis: V diplomskem delu predstavljamo samoojačitveno učenje, ki je področje strojnega učenja in se ukvarja z vprašanjem, kako naj agent deluje v okolju, da doseže čim večjo nagrado. V nalogi opravimo splošen pregled te teme, nato podrobneje opišemo nekaj pomembnejših metod, eno izmed njih pa implementiramo v mrežnem okolju lovec-plen. Na koncu predstavimo še naš program ter analiziramo dobljene rezultate.
Ključne besede: strojno učenje, nenadzorovano učenje, mrežno okolje lovec-plen
Objavljeno: 11.07.2012; Ogledov: 1407; Prenosov: 123
.pdf Celotno besedilo (1,71 MB)

Iskanje izvedeno v 0.09 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici