CCL

Összesen 4 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM118676
035-os BibID:(Scopus)85186766577
Első szerző:Bogacsovics Gergő (informatikus)
Cím:Assessing Conventional and Deep Learning-Based Approaches for Named Entity Recognition in Unstructured Hungarian Medical Reports / Bogacsovics Gergő, Harangi Balázs, Beregi-Kovács Marcell, Kupás Dávid, Lakatos Róbert, Serbán Norbert Dániel, Tiba Attila, Tóth János
Dátum:2024
Megjegyzések:In digital healthcare, much patient data is available in text format. The structuring of this data, according to standards, has yet to be widely used, including in Hungary, where it is available in unstructured form. To make these patient records easy to filter and search, they must be processed and structured. Using modern natural language processing and deep learning techniques has resulted in effective systems for implementing such workflows. However, selecting appropriate algorithms for specific text-processing tasks is still a challenging issue. This is due to the scarcity of benchmarks and the variety of architectures available. This article evaluates models for named entity recognition in digital medical reports written in Hungarian. We evaluate traditional, recurrent neural network, and transformer-based approaches for NER using a dataset comprising 801 PET scans and annotated medical reports. The medical reports were annotated to cover six different entity classes and reviewed by clinical experts to ensure accuracy. We present a comprehensive assessment of various methods and provide insight into addressing NER problems in the case of low-resource languages such as Hungarian.
ISBN:9798350317206
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
named entity recognition
medical-text record
natural language processing
deep learning
Megjelenés:2024 IEEE 22nd World Symposium on Applied Machine Intelligence and Informatics (SAMI) / ed. Kovács Levente, Liberios Vokorokos. - p. 77-82. -
További szerzők:Harangi Balázs (1986-) (programtervező matematikus) Beregi-Kovács Marcell (1995-) (Alkalmazott matematikus) Kupás Dávid (1996-) (programtervező informatikus) Lakatos Róbert (1986-) (informatikus) Serbán Norbert Dániel (1995-) (informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus)
Pályázati támogatás:2020-1.1.2-PIACI-KFI-2021-00223
Egyéb
TKP2021-NKTA-34
Egyéb
UNKP-23-3-II-DE-119
Egyéb
KDP-2021 C1774095
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM102586
Első szerző:Bogacsovics Gergő (informatikus)
Cím:Napelemfarmok Magyarország területén történő elhelyezését segítő döntéstámogató rendszer fejlesztése / Bogacsovics Gergő, Hajdu András, Harangi Balázs, Lakatos István, Lakatos Róbert, Szabó Marianna, Tiba Attila, Tóth János
Dátum:2021
ISSN:2786-1910
Megjegyzések:A világ energia és ásványkincsek iránti étvágya kielégíthetetlennek tűnik. A Földünkön lévő fosszilis tüzelőanyagok természetes tartalékainak a jelenlegi ütemben történő kiaknázásával az elkövetkezendő évtizedekben súlyos energiahiányra visszavezethető problémákkal nézhet szembe az emberiség. Ezért a figyelmünket olyan megújuló energiaforrások felé kell fordítanunk, mint például a napenergia. A napelemparkok helyszínének kiválasztása kulcsfontosságú kérdés, mivel közvetlen hatással van a teljesítményre, a gazdasági, környezeti és szociális kérdésekre, valamint a meglévő és a jövőbeli infrastruktúrákra. Ezért ebben a tanulmányban az elsődleges célunk a kormányzati (Minisztérium/MAVIR) döntéstámogatás a napelemfarmok elhelyezésének kérdésében, ami a későbbiekben továbbfejleszthető befektetői, lakossági felhasználásra. Az általunk használt publikus adatbázisokból földrajzi koordináták szerint kinyert jellemzők (közvetlen normál besugárzás, átlagos levegő hőmérséklet, tengerszint feletti magasság, elektromos hálózati elemek) felhasználásával kialakított matematikai modell által szolgáltatott jóságérték jelzi a napelemparkok telepítéséhez legalkalmasabb régiók elhelyezkedését.
Tárgyszavak:Műszaki tudományok Informatikai tudományok magyar nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
megújuló energia
jóságbecslés
nagymennyiségű adatelemzés
napelemfarmok elhelyezése
Megjelenés:Közigazgatástudomány. - 1 : 2 (2021), p. 134-145. -
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Lakatos Róbert (1986-) (informatikus) Szabó Marianna (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM102585
Első szerző:Bogacsovics Gergő (informatikus)
Cím:Adatelemzési folyamat és keretrendszer a közigazgatás számára / Bogacsovics Gergő, Hajdu András, Harangi Balázs, Lakatos István, Lakatos Róbert, Szabó Marianna, Tiba Attila, Tóth János, Tarcsi Ádám
Dátum:2021
ISSN:2786-1910
Megjegyzések:A mesterséges intelligencia utóbbi évtizedben bekövetkezett ugrásszerű fejlődése az azt támogató hardveres és szoftveres platformok folyamatos bővülésével az adatelemzést is új szintre emelte. Ez a szintlépés alapvetően úgy értelmezhető leginkább, hogy egyre kevésbé szükséges a feldolgozó modellek precíz meghatározása, mivel már a most rendelkezésre álló eszközök képesek biztosítani, hogy pusztán a nyers input adatok megfelelő szolgáltatásával és az elérni kívánt cél meghatározásával az effektív elemzést végző eljárás - általában neurális háló architektúra - már egy gépi tanulási folyamaton keresztül automatikusan kerüljön kialakításra. Mivel ez a trend a jövőben várhatóan tovább fog erősödni, az elemzési eljárásokat célszerű úgy felépíteni, hogy ebbe a keretrendszerbe illeszkedjenek. Ennek megfelelően hangsúlyt kell fektetni a feldolgozni kívánt, potenciálisan különféle területekről származó adatbázisok olyan előfeldolgozására, amelyet követően a teljes adatkészlet átadható az elemző architektúrának. Mivel az elemzés eredményének értelmezhetőségét emberi felhasználásra is alkalmassá kell tenni, ezért tipikusan vizualizációs technikákat alkalmazhatunk erre a célra. Értelemszerűen a vizualizációs technikát is a hatékonyság miatt a teljes elemzési keretrendszerbe érdemes integrálni, azaz a vizualizációs eszköz közvetlenül ráépül az elemzőarchitektúra kimenetére, illetve annak belső adatábrázolására, amennyiben például a bemeneti adatok közötti összefüggések bemutatása is hasznos a döntéshozás indoklásához.
Tárgyszavak:Műszaki tudományok Informatikai tudományok magyar nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
adatelemzés
keretrendszer
adatelemzési terv
Megjelenés:Közigazgatástudomány. - 1 : 2 (2021), p. 146-158. -
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Lakatos Róbert (1986-) (informatikus) Szabó Marianna (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus) Tarcsi Ádám (1985-) (informatikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM118867
035-os BibID:(Scopus)85188777962 (WoS)001191621900001
Első szerző:Lakatos Róbert (informatikus)
Cím:A Machine Learning-Based Pipeline for the Extraction of Insights from Customer Reviews / Róbert Lakatos, Gergő Bogacsovics, Balázs Harangi, István Lakatos, Attila Tiba, János Tóth, Marianna Szabó, András Hajdu
Dátum:2024
ISSN:2504-2289
Megjegyzések:The efficiency of natural language processing has improved dramatically with the advent of machine learning models, particularly neural network-based solutions. However, some tasks are still challenging, especially when considering specific domains. This paper presents a model that can extract insights from customer reviews using machine learning methods integrated into a pipeline. For topic modeling, our composite model uses transformer-based neural networks designed for natural language processing, vector-embedding-based keyword extraction, and clustering. The elements of our model have been integrated and tailored to better meet the requirements of efficient information extraction and topic modeling of the extracted information for opinion mining. Our approach was validated and compared with other state-of-the-art methods using publicly available benchmark datasets. The results show that our system performs better than existing topic modeling and keyword extraction methods in this task.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
machine learning
deep learning
topic modeling
keyphrase extraction
natural language processing
Megjelenés:Big Data and Cognitive Computing. - 8 : 3 (2024), p. 1-24. -
További szerzők:Bogacsovics Gergő (1996-) (informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus) Szabó Marianna (1995-) (programtervező informatikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:GINOP-2.3.2-15-2016-00005
GINOP
TKP2021-NKTA-34
Egyéb
2020-1.1.2-PIACI-KFI-2021-00223
Egyéb
KDP-2021 C1774095
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1