<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Samodejno prepoznavanje imenovanih entitet v sporočilih elektronske pošte</dc:title><dc:creator>Munda,	Jaka	(Avtor)
	</dc:creator><dc:creator>Todorovski,	Ljupčo	(Mentor)
	</dc:creator><dc:creator>Kodre,	Jurij	(Komentor)
	</dc:creator><dc:subject>prepoznavanje imenovanih entitet</dc:subject><dc:subject>vložitve besed</dc:subject><dc:subject>nevronske mreže</dc:subject><dc:subject>dolgi kratkoročni spomin</dc:subject><dc:subject>pogojna naključna polja</dc:subject><dc:subject>vložitev GloVe</dc:subject><dc:description>V magistrski nalogi prepoznavamo imenovane entitete v sporočilih elektronske pošte, ki nosijo informacije o projektih. Kategorije imenovanih entitet v sporočilih e-pošte so SUBJECT, SKILL, DATE, QUANTITY, PERCENT, ORG, LOC in POSITION. Za prepoznavanje imenovanih entitet vložimo besede iz sporočil e-pošte z zloženimi vložitvami. Zložene vložitve so sestavljene iz vložitve GloVe in kontekstnih vložitev znakov. Na vloženih besedah uporabimo model za prepoznavanje imenovanih entitet, ki je sestavljen iz dvosmernega dolgega kratkoročnega spomina s pogojnimi naključnimi polji. Model smo učili z več različnimi posodobitvenimi pravili z gradientnim spustom, gradientnim spustom s spustom uteži, metodo Adam, metodo Adam s spustom uteži in metodo Adam kjer so parametri nastavljeni, tako da je posodobitveno pravilo podobno pravilu gradientnega spusta. Model smo ovrednotili z mero $F_1$. Najboljše rezultate na testni množici je imel model, ki smo ga učili z gradientnim spustom.</dc:description><dc:date>2025</dc:date><dc:date>2025-07-02 15:27:05</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>170210</dc:identifier><dc:identifier>UDK: 004.42</dc:identifier><dc:identifier>VisID: 150684</dc:identifier><dc:identifier>COBISS_ID: 240969475</dc:identifier><dc:language>sl</dc:language></metadata>
