search

ftn-ai-lab / sc-2019-siit

Soft Computing - 2019 - Sotversko inženjerstvo i informacione tehnologije
MIT License
5 stars 3 forks source link

Klasifikacija novinskih clanaka po tematici #61

Closed idj97 closed 4 years ago

idj97 commented 4 years ago

Tim: Djordje Ivkovic, SW54-2016

Definicija problema: Odredjivanje kojoj klasi/sekciji clanak iz online vesti pripada. U ovom projektu cu klasifikovati vesti u jednu od 5 kategorija (business, entertainment, politics, sport, tech). Koristicu vise pristupa i na kraju ih uporediti kako bih izabrao najbolji.

Skup podataka: Koristicu BBC news dataset koji se moze naci na: http://mlg.ucd.ie/datasets/bbc.html Dataset je podeljen u 5 kategorija (business, entertainment, politics, sport, tech) i ima ukupno 2225 dokumenata. Skup podataka ce biti podeljen na skup za trening, validaciju i testiranje.

Metodologija:

  1. Preprocesiranje podataka tj dokumenata (ignorisanje raznih znakova i stop reci, stemming)
  2. Kreiranje vokabulara koji se koristi za numericko predstavljanje dokumenata (counting, frequency, tl-idf, word hashing tj razne bag-of-words tehnike)
  3. Treniranje vise ML modela ciji ce se rezultati uporedjivati. U ovom trenutku nisam siguran koje bih modele definitivno probao, verovatno ce to biti (SVM, KNN, Random Forests, Neural Network)

Evaulacija: Za biranje najboljeg kandidata (tehnika za kreiranje vokabulara + ML model) birace se accuracy nad testnim skupom.

vdragan1993 commented 4 years ago

Tema odobrena. Ostavite link ka GitHub repozitorijumu projekta. Srećan rad.

idj97 commented 4 years ago

https://github.com/leonidas97/Article-Classification-SC