Razvoj sustava za klasifikaciju povratnih informacija o proizvodu

Sažetak na hrvatskom: Povratna informacija o proizvodu može biti od velike važnosti proizvođačima te im pomaže unaprijediti svoje poslovanje. Ovaj rad se bavi implementacijom sustava za klasifikaciju povratnih informacija o proizvodu. U uvodnim poglavljima opisani su pojmovi strojnog i dubokog učenj...

Full description

Permalink: http://skupnikatalog.nsk.hr/Record/fer.KOHA-OAI-FER:51373/Details
Glavni autor: Ćaleta, Frano (-)
Ostali autori: Pintar, Damir (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, F. Ćaleta, 2019.
Predmet:
LEADER 02215na a2200229 4500
003 HR-ZaFER
008 160221s2019 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid6851 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Ćaleta, Frano  |9 40660 
245 1 0 |a Razvoj sustava za klasifikaciju povratnih informacija o proizvodu :  |b diplomski rad /  |c Frano Ćaleta ; [mentor Damir Pintar]. 
246 1 |a Development of a Product Feedback Classification System  |i Naslov na engleskom:  
260 |a Zagreb,  |b F. Ćaleta,  |c 2019. 
300 |a 42 str. ;  |c 30 cm +  |e CD-ROM 
502 |b diplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2019-06-28, datum završetka: 2019-07-09 
520 3 |a Sažetak na hrvatskom: Povratna informacija o proizvodu može biti od velike važnosti proizvođačima te im pomaže unaprijediti svoje poslovanje. Ovaj rad se bavi implementacijom sustava za klasifikaciju povratnih informacija o proizvodu. U uvodnim poglavljima opisani su pojmovi strojnog i dubokog učenja te metode obrade prirodnog jezika potrebne za implementaciju sustava. Implementirano je nekoliko modela konvencionalnih metoda strojnog učenja te LSTM arhitektura dubokog učenja. Naposljetku su prikazani rezultati modela s optimalnim hiperparametrima te je dan zaključak ukupnog rada. 
520 3 |a Sažetak na engleskom: Product feedback can be of great importance to manufacturers in improving their business. This thesis deals with the implementation of the product feedback classification system. The introductory chapters describe the concepts of machine learning, deep learning and natural language processing methods required for system implementation. Several models of conventional machine learning methods and the LSTM deep model were implemented. Finally, the results of the models with optimal hyperparameters are presented and the conclusion of the overall work is given. 
653 1 |a strojno učenje  |a obrada prirodnog jezika  |a duboko učenje  |a klasifikacija 
653 1 |a machine learning  |a natural language processing  |a deep learning  |a classification 
700 1 |a Pintar, Damir  |4 ths  |9 31013 
942 |c Y 
999 |c 51373  |d 51373