Рачунарска анализа текста | Факултет Техничких Наука

Предмет: Рачунарска анализа текста (17.E2524)

Степен и врста студија	Назив
Мастер академске студије	Рачунарство и аутоматика (Година: 1, Семестар: Летњи)
Мастер академске студије	Вештачка интелигенција и машинско учење (Година: 1, Семестар: Летњи)
Мастер академске студије	Софтверско инжењерство и информационе технологије (Година: 1, Семестар: Летњи)
Мастер академске студије	Информациони и аналитички инжењеринг (Година: 1, Семестар: Летњи)

Основне информације:

Категорија	Теоријско-методолошки
Ужа научна област	Примењене рачунарске науке и информатика
ЕСПБ	6

Упознавање студентата са концептима и техникама рачунарске анализе текста (Text Mining, TM) и екстракције информација (Information Extraction, IE). Оспособљавање студената за примену техника, метода и алата из области рачунарске анализе текста и екстракције информација.

Познавање концепата, техника и алата за анализу и истраживање текста. Студент је обучен да врши обраду и пред-процесирање неструктурираних текстуалних података; примењује основне технике обраде природних језика; креира моделе за класфикацију текста и екстракцију информација; пројектује и одржава text mining системе.

Основни концепти и преглед области рачунарске анализе текста и екстракције информација. Пред-процесирање текста. Лексичка, синтаксна и семантичка анализа. Употреба метода машинског учења у анализи текста: класификација и кластеровање текстуланих докумената. Пробабилистички модели за екстракцију информација: модели максималне ентропије (Maximum Entropy Models, ME), скривени модели Маркова (Hidden Markov Models, HMM), условна случајна поља (Conditional Random Fields, CRF). Методе екстракције информација засновне на правилима (rule-based information extraction). Аутоматска екстракција термина. Аутоматска екстракција и семантичка анотација именованих ентиета из текста. Аутоматска сажимање текска. Системи за за аутоматско одговарање на питања. Визуализација текстуалних података. Екстракција информација из пословних извештаја. Аутоматско препознавање ставова и емоција из текста (opinion and sentiment mining). Екстракција информација у биологији и медицини.

Облици извођења наставе су: предавања, рачунарске вежбе, израда домаћих задатака, и консултације. На предавањима се, коришћењем потребних дидактичких средстава, излажу садржаји предмета и стимулише се активно учешће студената постављањем питања. Практични део градива студенти савладавају на рачунарским вежбама кроз задатке које решавају уз помоћ асистента или самостално и кроз самосталну израду домаћих задатака

Аутори	Назив	Година	Издавач	Језик
Benjamin Bengfort, Rebecca Bilbro, Tony Ojed	Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine	2018	O'Reilly Media	Енглески
Ronen Feldman, James Sanger	The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data	2006	Cambridge University Press	Енглески
Sholom M. Weiss, Nitin Indurkhya, Tong Zhang, Fred Damerau	Text Mining: Predictive Methods for Analyzing Unstructured Information	2004	Springer	Енглески
Yoav Goldberg	Neural Network Methods in Natural Language Processing	2017	Morgan & Claypool Publishers	Енглески
Li Deng, Yang Liu	Deep Learning in Natural Language Processing	2018	Springer	Енглески

Предметна активност	Предиспитна	Обавезна	Број поена
Предметна активност Предметни пројекат	Предиспитна Да	Обавезна Да	Број поена 50.00
Предметна активност Усмени део испита	Предиспитна Не	Обавезна Да	Број поена 50.00

Предавања

Рачунарске вежбе

ОРГАНИЗАЦИЈА

ДОКУМЕНТА

ЗАПОСЛЕНИ

КОНКУРСИ

Галерије

АКРЕДИТАЦИЈА

КОНТАКТ

АКРЕДИТАЦИЈА

КОНТАКТ

Студентска служба

Предмет: Рачунарска анализа текста (17.E2524)

Студијски програми предмета:

Контакт: