Podrobno

Strojno generiranje parafraz v slovenščini : magistrsko delo
ID Debeljak Šokić, Alja (Avtor), ID Robnik Šikonja, Marko (Mentor) Več o mentorju... Povezava se odpre v novem oknu, ID Dobrovoljc, Kaja (Komentor)

.pdfPDF - Predstavitvena datoteka, prenos (708,97 KB)
MD5: B42FAA18CEDD01AC5DAFD676890E95E3

Izvleček
Parafraziranje je pomembna naloga na področju obdelave naravnega jezika, saj vključuje tvorjenje povedi, ki se od izvorne razlikujejo po obliki, vendar ohranjajo enak pomen. Avtomatsko ustvarjanje raznolikih in razumljivih parafraz prispeva k lažjemu razumevanju in interpretaciji besedil ter izboljšuje komunikacijo med človekom in računalnikom. V tej nalogi smo razvili model za parafraziranje v slovenščini, ki temelji na vnaprej naučenih velikih generativnih jezikovnih modelih. Zaradi računske zahtevnosti velikih modelov smo izbrali manjšo različico večjezikovnega modela mT5 in slovenskega modela SloT5. Temeljita na arhitekturi transformer, ki trenutno prevladuje na področju obdelave naravnega jezika. Iz množice podnapisov OpenSubtitles2018 smo pridobili slovenske in angleške podnapise, angleške smo prevedli v slovenščino in tako ustvarili učno množico s poravnanimi slovenskimi parafrazami. Množica je uporabna za nadaljnje raziskave ter gradnjo modelov za generiranje slovenskih parafraz. Uporabili smo jo za prilagoditev modelov, ki smo ju ovrednotili z metrikama ROUGE in BERTScore ter kvalitativno s človeško presojo. Model SloT5 je dosegel boljše rezultate. Z analizo ustvarjenih parafraz smo opredelili glavne strategije parafraziranja v slovenščini ter najpogostejše napake.

Jezik:Slovenski jezik
Ključne besede:digitalno jezikoslovje, obdelava naravega jezika, strojno prevajanje, veliki jezikovni modeli, generiranje parafraz, kognitivna znanost
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:PEF - Pedagoška fakulteta
Kraj izida:Ljubljana
Založnik:A. Debeljak Šokić
Leto izida:2025
Št. strani:65 str.
PID:20.500.12556/RUL-167540 Povezava se odpre v novem oknu
UDK:004.4:81'322.2(043.2)
COBISS.SI-ID:227906051 Povezava se odpre v novem oknu
Datum objave v RUL:27.02.2025
Število ogledov:968
Število prenosov:224
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Paraphrase Generation in Slovene Language Using Machine Learning
Izvleček:
Paraphrasing is an important task in natural language processing, involving the generation of expressions that differ in form from the original text while preserving its meaning. Automatically generating versatile and comprehensible paraphrases enhances text understanding and interpretation, and also improves human-computer interaction. We developed a paraphrasing model for Slovene, leveraging pre-trained models. Due to the computational complexity of large models, we selected a smaller version of the multilingual mT5 model and the Slovene SloT5 model, both of which are based on the transformer architecture which currently prevails in the field of natural language processing. Using the OpenSubtitles2018 dataset, we obtained Slovene and English subtitles, translating the English subtitles into Slovene to create a training set with aligned Slovene paraphrases. The dataset can be used for future research and developing models for generating Slovene paraphrases. We fine-tuned the models using this dataset and evaluated their performance with ROUGE and BERTScore metrics, as well as qualitative human judgment. The SloT5 model produced better results. By analyzing the generated paraphrases, we identified key paraphrasing strategies in Slovene and the most common errors.

Ključne besede:digital linguistics, natural language processing, machine translation, large language models, paraphrase generation

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj