Sökning: "datorlingvistik"

Visar resultat 1 - 5 av 28 uppsatser innehållade ordet datorlingvistik.

  1. 1. Neural maskinöversättning av gawarbati

    Kandidat-uppsats, Stockholms universitet/Avdelningen för datorlingvistik

    Författare :Katarina Gillholm; [2023]
    Nyckelord :Machine translation; neural machine translation; NMT; low resource language; Gawarbati; transfer learning; GPT; Maskinöversättning; neural maskinöversättning; NMT; lågresursspråk; gawarbati; överföringsinlärning; GPT;

    Sammanfattning : Nya neurala modeller har lett till stora framsteg inom maskinöversättning, men fungerar fortfarande sämre på språk som saknar stora mängder parallella data, så kallade lågresursspråk. Gawarbati är ett litet, hotat lågresursspråk där endast 5000 parallella meningar finns tillgängligt. LÄS MER

  3. 2. A Tale of Two Domains: Automatic Identifi­cation of Hate Speech in Cross­-Domain Sce­narios

    Kandidat-uppsats, Stockholms universitet/Avdelningen för datorlingvistik

    Författare :Gustaf Gren; [2023]
    Nyckelord :NLP; hate speech detection; transformers; BERT; ChatGPT; Språkteknologi; näthat; hatretorik; transformers; BERT; ChatGPT;

    Sammanfattning : As our lives become more and more digital, our exposure to certain phenomena increases, one of which is hate speech. Thus, automatic hate speech identification is needed. LÄS MER

  4. 3. Automatisk kvalitetsbedömning av medicinska översättningar

    Kandidat-uppsats, Stockholms universitet/Avdelningen för datorlingvistik

    Författare :Julianne Cohen; [2022]
    Nyckelord :;

    Sammanfattning : .... LÄS MER

  5. 4. Generating Conceptual Metaphoric Paraphrases

    Kandidat-uppsats, Stockholms universitet/Avdelningen för datorlingvistik

    Författare :Olof Gotting; [2021]
    Nyckelord :;

    Sammanfattning : Metaphoric Paraphrase generation is a relatively new and unexplored Natural Language Generation task. The aim of the task is to develop computational systems that paraphrase literal sentences into cogent metaphoric ones. LÄS MER

  7. 5. Exploring attribution methods explaining atrial fibrillation predictions from sinus ECGs : Attributions in Scale, Time and Frequency

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Svante Sörberg; [2021]
    Nyckelord :Explainable Artificial Intelligence XAI ; Explainability; Paroxysmal Atrial Fibrillation; Feature Attribution; Förklaringsbar Artificiell Intelligens; Förklarbarhet; Paroxysmalt Förmaksflimmer; Särdragsattribution;

    Sammanfattning : Deep Learning models are ubiquitous in machine learning. They offer state-of- the-art performance on tasks ranging from natural language processing to image classification. The drawback of these complex models is their black box nature. It is difficult for the end-user to understand how a model arrives at its prediction from the input. LÄS MER