Numeričke metode i strojno učenje u automatskom skraćivanju teksta
| Autor: | Sokol, Domina |
|---|---|
| Přispěvatelé: | Mladenović, Saša, Klaričić Bakula, Milica, Marić, Stipe |
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: |
non-negative matrix factorization
dekompozicija singularnih vrijednosti PRIRODNE ZNANOSTI. Matematika TECHNICAL SCIENCES. Computing TEHNIČKE ZNANOSTI. Računarstvo singular value decomposition latentna semantička analiza recurrent neural network latent semantic analysis povratna neuronska mreža nenegativna matrična faktorizacija NATURAL SCIENCES. Mathematics |
| Popis: | Text summarization is a task in natural language processing with the goal of producing meaningful summaries from given text, by the use of a computer. There are two main approaches to this task: numerical methods for extractive summarizing, and machine learning methods for extractive and abstractive summarizing. The objective of this master’s thesis is to provide an overview of both of these methods, present their theoretical background and intuition, give a historical context for them, and show practical usage on examples. Skraćivanje teksta je zadatak obrade prirodnog jezika s ciljem stvaranja smislenih sažetaka zadanog teksta uz pomoć računala. Postoje dva glavna pristupa ovome zadatku: numeričke metode za ekstraktivno sažimanje i metode strojnog učenja za ekstraktivno i apstraktivno sažimanje. Cilj ovog diplomskog rada je dati osvrt na obje ove metode, predstaviti njihovu teorijsku pozadinu i intuiciju, dati povijesni kontekst za njih te pokazati praktično korištenje na primjerima. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|