Klasifikacija tekstualnih dokumenata

diplomski rad

• Naslov (engleski): Classification of text documents
• Autor: Kristina Bukvić
• Mentor: Pavle Goldstein (mentor)
• Član povjerenstva: Pavle Goldstein (predsjednik povjerenstva)
• Član povjerenstva: Zoran Vondraček (član povjerenstva)
• Član povjerenstva: Nela Bosner (član povjerenstva)
• Član povjerenstva: Eduard Marušić-Paloka (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2021-09-22, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

Cilj rada je klasifikacija tekstualnih dokumenata pomoću algoritma stroja potpornih vektora i n-gramskog rječnika. Prvo smo definirali pojmove iz linearne algebre i optimizacije koji su potrebni za razumijevanje obrađenih tema u radu. Objašnjen je pojam klasifikacije teksta te pristupi: “Bag of words” i “Bag of n-grams”. Također je opisana matematička pozadina algoritma stroja potpornih vektora te njegova implementacija u programskom jeziku Python. Za analizu smo koristili dvije kolekcije tekstualnih dokumenata, pri čemu smo trening i test skup podijelili u omjeru 50 : 50. Nakon što smo napravili rječnik n-grama, proveli smo testiranje te smo usporedili rezultate klasifikacije za navedene pristupe.

Sažetak (engleski)

The aim of this work is to classify text documents using the support vector machine algorithm and the n-gram dictionary. First, we present basic concepts from linear algebra and optimization theory required for the understanding of topics covered in the paper. Also, we explained the concept of text classification and approaches: “Bag of words” and “Bag of n-grams”. Next, the mathematical background for support vector machine algorithm is described with its implementation in Python programming language. We used two sets of text documents for analysis, dividing the training set and test set into 50 : 50 ratio. After creating the n-gram dictionary, we conducted the test and compared the classification results for the approaches listed above.

• Ključne riječi: algoritam stroja potpornih vektora; n-gramski rječnik; programski jezik Python
• Ključne riječi (engleski): support vector machine algorithm; n-gram dictionary; Python programming language
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:754302
• Studijski program: Naziv: Matematička statistika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2021-10-25 12:19:19