Theses
Theses
Tomislav Marinković
Modeli dubokog učenja za analizu korisničkih komentara na društvenim mrežama
Deep Learning Models for the Analysis of User Comments on Social Networks
2017
Graduate
Jan Šnajder
Martin Tutek
FER
FER2
1532
50
HR
U zadnje vrijeme duboko učenje polako uzima maha i postavlja se kao način za izradu umjetne inteligencije. Jedan od važnih segmenta umjetne inteligencije je razumjevanje prirodnog jezika. U ovom radu dan je pregled nekih algoritama s kojim je moguće odrediti sentiment, emociju, temu i govorni čin iz komentara sa Facebook stranica hrvatskih telekomunikacijskih kompanija.
In recent years deep learning is starting to take off in the world of artificial intelligence, and is starting to be the default approach of machine learning. One of the most important parts of artificial intelligence is understanding natural language. In this thesis, some promising algorithms are looked into. Those algorithms can determine sentiment, emotion, topic, and speech act of users comments posted on Facebook.
duboko učenje, obrada prirodnog jezika, analiza korisničkih komentara, neuronske mreže, word2vec, Facebook, sentiment, emocije, komentari, govorni čin
deep learning, natural language processing, user comments analysis, neural network, word2vec, Facebook, sentiment, emotions, comments, speech acts
13.7.2017.
Analiza mišljenja korisnika proizvoda i usluga od presudne je važnosti za svaku tvrtku. Velik dio komunikacije tvrtke s korisnicima, koja se prije odvijala tradicionalnim kanalima korisničke podrške, danas se odvija na društvenim mrežama. Društvene se mreže odlikuju brzinom, interaktivnošću, visokim obimom, dostupnošću, ali i neformalnošću i izravnošću komunikacije. Kao takve, neprocjenjiv su izvor podataka za automatsku analizu mišljenja korisnika metodama strojnog učenja.
U okviru diplomskoga rada potrebno je proučiti modele dubokog učenja za klasifikaciju teksta, s naglaskom na modele temeljene na povratnim neuronskim mrežama i višezadaćne modele. Oblikovati model dubokog učenja za analizu korisničkih komentara koji će se temeljiti na združenoj klasifikaciji nekoliko aspekata korisničkih komentara, uključivo sentimenta, emocija, govornog čina i teme razgovora, te koji će u obzir uzimati slijed rasprave. Razviti model u radnome okviru Tensorflow te ispitati rad modela na dostupnome skupu podataka korisničkih komentara na hrvatskome jeziku sa stranica telekom-operatera na Facebooku. Provesti detaljno eksperimentalno vrednovanje modela, uključivo analizu pogrešaka i statističku analizu rezultata. Radu priložiti izvorni i izvršni kod razvijenog sustava, skupove podataka i programsku dokumentaciju te citirati korištenu literaturu.