Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (2MB)
|
Abstract
Il deep learning è un campo relativamente giovane le cui potenzialità sono ancora tutte da esplorare, in grado di elaborare in maniera ancora più approfondita i dati, e sarà affrontato nel dettaglio all'interno di questo lavoro di tesi.
Questa tecnologia ha permesso di migliorare drasticamente i risultati raggiunti in passato in tantissimi settori, consentendo ad esempio lo sviluppo di auto a guida autonoma, assistenti virtuali in grado di comprendere una conversazione e di fornire risposte alle nostre domande o macchinari medicali capaci di identificare masse tumorali con una precisione maggiore rispetto a quella umana.
All'interno di questo elaborato verranno analizzati e sperimentati diversi approcci recenti in ambito natural language processing (NLP) e deep learning (DL), allo scopo di identificare prodotti medicali equivalenti dalla loro breve descrizione testuale destrutturata.
Abstract
Il deep learning è un campo relativamente giovane le cui potenzialità sono ancora tutte da esplorare, in grado di elaborare in maniera ancora più approfondita i dati, e sarà affrontato nel dettaglio all'interno di questo lavoro di tesi.
Questa tecnologia ha permesso di migliorare drasticamente i risultati raggiunti in passato in tantissimi settori, consentendo ad esempio lo sviluppo di auto a guida autonoma, assistenti virtuali in grado di comprendere una conversazione e di fornire risposte alle nostre domande o macchinari medicali capaci di identificare masse tumorali con una precisione maggiore rispetto a quella umana.
All'interno di questo elaborato verranno analizzati e sperimentati diversi approcci recenti in ambito natural language processing (NLP) e deep learning (DL), allo scopo di identificare prodotti medicali equivalenti dalla loro breve descrizione testuale destrutturata.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Montalti, Giacomo
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
Natural Language Processing,Machine Learning,Deep Neural Networks,Semantic Similarity Search,Python
Data di discussione della Tesi
18 Ottobre 2018
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Montalti, Giacomo
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
Natural Language Processing,Machine Learning,Deep Neural Networks,Semantic Similarity Search,Python
Data di discussione della Tesi
18 Ottobre 2018
URI
Statistica sui download
Gestione del documento: