Klasifikacija biomedicinskih člankov z globokimi modeliSlijepčević, Tomislav (Avtor) Zupan, Blaž (Mentor) biomedicinska literaturavektorska predstavitev besedilgloboko uˇcenjenapovedovanje pripisov MeSHV magistrskem delu smo razvili model, ki lahko besedila s področja znanosti v življenju predstavi v vektorski obliki, ki je primerna za uporabo v strojnem učenju. Naša ciljna skupina besedil so bili povzetki člankov iz zbirke MEDLINE, kjer so povzetki člankov označeni s pripisi iz ontologije MeSH. Razviti model uporablja globoko nevronsko mrežo za napovedovanje pripisov iz besedil. Za vektorsko predstavitev besedil smo uporabili predzadnji nivo mreže s 1000 nevroni. Model smo primerjali z večrazredno logistično regresijo, ki pripise MeSH napove iz vektorskih predstavitev besedil od modelov doc2vec. V poskusih napovedovanja pripisov MeSH na testni množici je točnost našega modela boljša. Prav tako so vektorske predstavitve besedil od našega modelom v primerjavi z vektorskimi predstavitvami besedil od modelov doc2vec boljše v točkovnih vizualizacijah z metodo t-SNE.20182018-04-25 12:25:02Magistrsko delo/naloga100946VisID: 19511sl