Diplomsko delo obravnava primerjavo klasičnih in sodobnih metod obdelave NLP ter njihov vpliv na natančnost, hitrost obdelave, razumljivost rezultatov in uporabniško izkušnjo.
V teoretičnem delu so predstavljeni temeljni pristopi NLP, od klasičnih statističnih metod do sodobnih transformer modelov, ter pomen razložljivosti pri uporabi inteligentnih sistemov.
Raziskava je pokazala, da klasična metoda deluje izjemno hitro in ponuja jasne razlage, ki uporabnikom omogočajo dobro razumevanje rezultatov.
Diplomsko delo obravnava primerjavo klasičnih in sodobnih metod obdelave NLP ter njihov vpliv na natančnost, hitrost obdelave, razumljivost rezultatov in uporabniško izkušnjo. Obdelava naravnega jezika predstavlja eno izmed ključnih področij umetne inteligence, saj omogoča računalniškim sistemom razumevanje, analizo in interpretacijo besedil v naravnem jeziku.
Zakaj je problem resničen
Diplomsko delo obravnava primerjavo klasičnih in sodobnih metod obdelave NLP ter njihov vpliv na natančnost, hitrost obdelave, razumljivost rezultatov in uporabniško izkušnjo. Obdelava naravnega jezika predstavlja eno izmed ključnih področij umetne inteligence, saj omogoča računalniškim sistemom razumevanje, analizo in interpretacijo besedil v naravnem jeziku.
Metoda
V teoretičnem delu so predstavljeni temeljni pristopi NLP, od klasičnih statističnih metod do sodobnih transformer modelov, ter pomen razložljivosti pri uporabi inteligentnih sistemov. Eksperimentalni del vključuje primerjavo metode TF-IDF z logistično regresijo in modela BERT.
Uporabniki so v interaktivnem sistemu v Google Colab testirali obe metodi, sistem pa je izmeril čas obdelave, izpisal najpomembnejše besede in izvedel sentiment analizo. Rezultati vprašalnika v Google Forms so zajeli subjektivno oceno razumljivosti in uporabniške izkušnje.
Kaj je nastalo
Raziskava je pokazala, da klasična metoda deluje izjemno hitro in ponuja jasne razlage, ki uporabnikom omogočajo dobro razumevanje rezultatov. BERT brez jezikovne prilagoditve pri slovenskih besedilih pogosto vrne napačne klasifikacije, obdelava pa je bistveno počasnejša. Zaradi nerazložljivosti rezultatov je bila uporabniška izkušnja pri sodobni metodi slabša. Analiza rezultatov je pokazala, da kompleksnost sodobnih modelov ne zagotavlja nujno boljše praktične uporabnosti.
Klasične metode, čeprav preproste, ponujajo stabilne, hitre in razložljive rezultate, ki so za končnega uporabnika pogosto bolj uporabni. Sodobni modeli postanejo učinkoviti šele, ko so prilagojeni jeziku in podatkovnemu naboru, kar zahteva dodatne vire in znanje.
Raziskava tako poudarja pomen razložljivosti, preglednosti in prilagoditve modelov pri razvoju NLP sistemov.
Na podlagi rezultatov lahko sklepamo, da sodobne metode niso vedno najboljša izbira v praktičnih okoljih, zlasti kadar niso prilagojene jeziku ali ko je za uporabnika ključna preglednost rezultatov. Klasične metode ostajajo pomembne zaradi svoje hitrosti, stabilnosti in razložljivosti.
Diplomsko delo potrjuje, da je izbira metode odvisna od konteksta uporabe in pričakovanj uporabnika, razložljivost pa predstavlja ključen element sodobnih NLP sistemov.
Objavljeno 28. 10. 2026 · licenca CC BY-NC 4.0 (besedilo in PDF diplomskega dela; fotografije in videi © Academia) · izvirna objava: academia.si.
Slike, sheme in zaslon
Še iz modula Razvoj aplikacij
Želite v dveh letih narediti tak projekt?
Pustite e-pošto. V enem delovnem dnevu dobite osebni odgovor karierne svetovalke: ali je modul pravi za vas, kako se prizna vaša služba kot praksa in koliko stane – plus predmetnik, urnik in cenik.
Go Higher.