Įmonių minėjimo spaudoje aptikimas
Valentinavičius, Saulius | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Medvedev, Viktor | Darbo gynimo komisijos narys / Thesis Defence Board Member |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Baigiamajame darbe buvo tiriami įvardytų esybių atpažinimo metodai lietuvių kalba rašytiems tekstams, lyginami metodų tikslumai ir galimybės. Tikslui pasiekti buvo atlikta įvardytų esybių atpažinimo metodų mokslinė literatūros analizė, duomenų rinkinių palyginimas, jų sudarymo metodika bei „back translation” duomenų augmentavimas. Paimti ir aprašyti populiariausi įvardytų esybių atpažinimo metodai. Eksperimentinio tyrimo metu buvo atliktas „SpaCy” ir „Bert” mašininio mokymosi modelių tyrimas, keičiant modelių parametrus. Iš viso buvo atlikta 28 eksperimentų. Šio tyrimo rezultatai buvo analizuojami siekiant gauti geriausius modelių parametrus, lyginant juos pagal „precision”, „recall” ir „F1” tikslumo rodiklius. Remiantis tyrimo metu gautais rezultatais, buvo sukurtas patobulintas „SpaCy” modelis, kurio „F1” tikslumo rodiklis buvo 22,3% aukštesnis už pradinį „SpaCy” modelį ir net 137% aukštesnis už geriausiai apmokinta „Bert' modelį. Šis „SpaCy” modelis sugebėjo tiksliausiai identifikuoti įmonių pavadinimus lietuvių kalba rašytuose tekstuose.Baigiamasis darbas apima 52 puslapius, neįskaitant priedų, 18 iliustracijų, 13 lentelių ir 31 bibliografinis šaltinis.
In this master's thesis, the methods of named entity recognition were studied for texts written in Lithuanian, comparing the accuracy and capabilities of the methods. To achieve this goal, a scientific literature analysis of named entity recognition methods, a comparison of datasets, the methodology of their construction, and augmentation of back translation data were carried out. The most popular named entity recognition methods were taken and described. The experimental study included the testing of the "SpaCy" and "Bert" machine learning models by varying the model parameters. A total of 28 experiments were carried out. The results of this study were analysed to obtain the best model parameters by comparing them in terms of precision, recall and F1 accuracy. Based on the results obtained from the study, an improved "SpaCy" model was developed, with an "F1" accuracy rate 22.3% higher than the original "SpaCy" model and as much as 137% higher than the best trained "Bert" model. This "SpaCy" model was the most accurate in identifying company names in texts written in Lithuanian.The final thesis consists of 52 pages, excluding appendices, 18 illustrations, 13 tables and 31 bibliographic sources.