Su sauga susijusių tekstų klasifikavimas į grėsmių, apsaugos ar neutralų kontenstą
Maslenikas, Džiugas |
Valentavičius, Saulius | Recenzentas / Rewiewer |
Janutėnaitė-Bogdanienė, Jūratė | Recenzentas / Rewiewer |
Šešok, Dmitrij | Darbo gynimo komisijos narys / Thesis Defence Board Member |
Vinogradova-Zinkevič, Irina | Darbo gynimo komisijos narys / Thesis Defence Board Member |
Šiame darbe buvo atliktas su sauga susijusių angliškų dokumentų tekstų klasifikavimo į tris grupes tyrimas. Klasės į kurias skirtsomi tekstai yra grėsmių scenarijai, apsaugos priemonės bei apibrėžimai. Tikslui pasiekti buvo padaryta srities analizė, apžvelgti skirtingi duomenų paruošimo būdai, apžvelgti klasifikavimo metodai, tuomet sudarytas tinkamas duomenų rinkinys, pasirinkti metodai ir atliktas pats tyrimas. Buvo sudarytos 21 skirtingos klasifikatorių kombinacijos pritaikant tiek skirtingus duomenų paruošimo būdus, skirtingus požymių išskyrimo metodus, tiek pasirenkant skirtingus klasifikavimo algoritmus, o pažangesniems BERT modeliams taikant skirtingus optimizatorius. Rezultatų analizėje klasifikatoriai buvo lyginami tikslumo ir laiko aspektais, taip buvo išsiaiškinta kokį klasifikavimo tikslumą galima pasiekti su pasirinkais skirtingais klasifikavimo metodais ir sudarytu duomenų rinkiniu. Darbo apimtis yra 53 p. teksto be priedų. 16 iliustracijos, 8 lentelės, 24 šaltiniai.
In this work, a study was carried out to classify English safety-related texts into three groups: threat scenarios, mitigations, and neutral context. To achieve this objective, a domain analysis was conducted, various data preparation methods were reviewed, and classification methods were evaluated. Subsequently, a suitable dataset was compiled, appropriate methods were selected, and the study was performed. Twenty-one different combinations of classifiers were created, utilizing various data preparation methods, feature extraction techniques, classification algorithms, and for more advanced BERT models, different optimizers. The results were analyzed by comparing the classifiers in terms of accuracy and timing to determine the classification accuracy achievable with the chosen methods and datasets. The thesis consist of 53 pages of text without appendices, 16 illustrations, 8 tables, 24 references.