Podrobno

Ocenjevanje esejev s strojnim učenjem
ID PERNUŠ, TJAŠA (Avtor), ID Kononenko, Igor (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (1,35 MB)
MD5: 4F426D47089CA8624A06B3EF57E897C7
PID: 20.500.12556/rul/c66b39d6-1840-4938-b4d8-6a9d3a97b9e5

Izvleček
Diplomska naloga se dotika področja strojnega učenja, bolj podrobno pa še področja globokih nevronskih mrež. Cilj naše diplomske naloge je bila primerjava različnih pristopov strojnega učenja pri avtomatskem napovedovanju ocen esejev ter oceniti uspešnost globokih nevronskih mrež v primerjavi z ostalimi modeli. Pri gradnji globokih nevronskih mrež je bila izvedena tudi gradnja globoke nevronske mreže z osnovnimi eseji, ki so razbiti na n-terke, vsaka n-terka pa je predstavljala posamezni atribut. Za primerjavo je bilo uporabljeno okolje R, kjer je bilo izvedeno testiranje in primerjava modelov. Izdelanih je bilo več različnih modelov istega tipa, nato pa za posamezni tip izbran najbolj uspešen, ki je bil nato uporabljen v končni primerjavi različnih tipov modelov.

Jezik:Slovenski jezik
Ključne besede:ocenjevanje esejev, strojno učenje, globoke nevronske mreže, nevronska mreža, Friedman-Nemenyi test
Vrsta gradiva:Diplomsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2016
PID:20.500.12556/RUL-91210 Povezava se odpre v novem oknu
Datum objave v RUL:24.03.2017
Število ogledov:3725
Število prenosov:529
Metapodatki:XML DC-XML DC-RDF
:
PERNUŠ, TJAŠA, 2016, Ocenjevanje esejev s strojnim učenjem [na spletu]. Diplomsko delo. [Dostopano 10 julij 2025]. Pridobljeno s: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&id=91210
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Essay evaluation with machine learning
Izvleček:
The diploma thesis covers the field of machine learning. In more detail it covers the field of deep neural networks. The goal of our thesis was comparing different approaches of machine learning for building models for automated essay scoring and to evaluate the success of deep neural networks compared to other models. For building models we have used already extracted attributes, but for the deep neural network we have also used original essays, represented by the three attributes, that represent the relationships in a sentence. For comparing we have used the R environment, where we have built, tested and compared the models. Many different models of the same kind were built, from which the best was chosen for further comparison with models of different types.

Ključne besede:essay scoring, machine learning, Deep neural network, neural network, Friedman-Nemenyi test

Podobna dela

Podobna dela v RUL:
  1. Computer Speech Recognition in Slovene Language
  2. Auto-contouring of organs-at-risk in medical images for radiotherapy planning
  3. Prediction of stress of Slovenian words with machine learning methods
  4. Deep models for image coloring
  5. Regression models for predicting cerebrospinal fluid biomarkers of Alzheimer's disease
Podobna dela v drugih slovenskih zbirkah:
  1. Predicting GPS tracks with deep neural networks
  2. Primerjalna študija algoritmov za napoved prodaje izdelkov
  3. Comparing adversarial example attacks on deep neural networks and defensive approaches
  4. Predicting the failures of products using deep learning methods
  5. Confidence estimation in deep neural networks

Nazaj