Because of global warming the energy production development has progressed towards more renewable energy sources. Biomass has great potential in this matter and pellet is already a big market that has increased seven times the past decade. A periodically strained woodchip resource market and statements of short supply in the future has got actors exploring opportunities with other commodities. Grasses such as Canary grass has shown great potential in this matter and in this study a wetland grass is tested as an additive, 0,5, 1,0, 1,5, and 1,9%, with spruce woodchips. The test production series was performed at a production unit located at the department of environmental and energy system at Karlstad University, Karlstad. Quality was controlled accordingly to the European standard and parameters such as energy consumption, moisture content, mechanical durability and bulk density was tested. For comparison, a sample with only spruce wood chips was produced, and a sample containing 1% of a commonly used additive, potato starch. The results showed that a decrease in energy consumption with 14% when 2% wetland grass was added, part of the decline may be due to the increased production flow compared with the reference sample. The positive effects on decrease in energy consumption, that 1% potato starch results in, is equal to reults from 1% wetlandgrass. This indicates lubricating properties in wetlandgrass. This is attributed to that herbaceous plants have a high content of extracts such as waxes and that they cause less friction in the press. Tests also showed that pellet with wetland grass did not qualify the European standard in terms of mechanical durability. Extracts can form a weak boundary layer in the pellet and cause this. A possible trend shows a better mechanical durability with more grass in pellets. The presence of different size of particles can be a reason. Moisture content qualifies according to the European standard but is below optimum 8%. This despite to relatively high moisture content in the mixer. Higher moisture content in the press would certainly result in a generally higher quality. Suggestions for future studies are to produce pellets with greater distribution on the wetland grass added, to easier interpret a connection. Also examine the extracts behavior with different moisture content. For a sustainable development accordingly renewable energy it is important to ensure the future commodity market for pellets. Further studies should be performed to help the development of alternative raw materials in conjunction with pellet production. / Den globala uppvärmningen är en påverkande faktor gällande dagens energiutveckling. Europeiska unionens krav på mer förnyelsebar energi är därtill en anledning till det ökade intresset för bioenergi. Pelletsmarknaden har sjufaldigt ökat globalt det senaste decenniet med tidvis ansträngd resursmarknad som följd. Träspån anses komma bli en bristvara i framtiden och aktörer ser sig redan om efter alternativa råvaror. Olika typer av gräs som till exempel rörflen har visat sig ha stor potential. I denna studie testas ett våtmarksgräs som additiv i bränslepellets, med 0,5, 1, 1,5, och 1,9% inblandning. Pelletsproduktion samt tester gjordes i pilotanläggningen på Karlstads universitet, avdelningen för miljö-, och energisystem.  Energiförbrukning, fukthalt, hållfasthet och bulkdensitet är några av de variabler som testades. Pellets med våtmarksgräs jämfördes med ett referensprov med endast granspån samt ett prov med ett vanligt förekommande additiv (potatisstärkelse 1%). Kvalitén på pellets bedömdes utifrån den europeiska standarden. Resultatet visade att den specifika elförbrukningen minskade med 14% när 2% våtmarksgräs adderades, en del av den minskningen kan bero på det ökade produktionsflödet jämfört med referensprovet. De positiva effekter på specifik elförbrukning som 1% potatisstärkelse resulterade i, visade våtmarksgräs 1% liknande effekt. Detta indikerar smörjande egenskaper hos våtmarksgräset. En orsak kan vara den höga halt extrakt, såsom vaxer, som många örtartade växter består av. Dessa har i tidigare studier setts minska friktionen i pressen vilket reducerar elförbrukningen. Pellets med våtmarksgräs som additiv klarade inte de Europeiska kraven på hållfasthet. En låg fukthalt och närvaron av extrakt kan ha medfört svaga gränslager i pellets och därmed påverkat hållfastheten negativt. En svag trend visade på förbättring av hållfastheten vid högre andelar våtmarksgräs. Den varierande storleken på partiklar som sampelleteras kan ha bidragit till detta. Fukthalten är godkänd enligt den europeiska standarden men under det optimala 8%. Detta trots en relativt hög uppmätt fukthalt innan pressen. En högre fukthalt i samband med pressning hade troligen höjt kvaliteten generellt. Förslag till vidare studier är att utföra tester med större variation på mängden våtmarksgräs, för att få ett tydligare resultat. Extraktivens beteende i samband med andra varierande parametrar som exempelvis fukthalt, borde studeras närmare för att kunna bedöma våtmarksgräsets möjligheter som additiv. För en hållbar utveckling av förnybar energi är det viktigt att säkerställa den framtida råvarumarknaden för pellets. Fortsatta studier bör göras för att bidra till utvecklingen av alternativa råvaror i samband med pelletsproduktion.

Att manuellt välja en eller flera meningar ur en filmrecension att använda som citat kan vara en tidskrävande uppgift. Denna rapport utvärderar övervakade maskininlärningsmodeller för att skapa en prototyp som automatiskt kan välja lämpliga citat ur recensioner. Utifrån resultatet av en litteraturstudie valdes två modeller att implementera och utvärdera på data bestående av filmrecensioner och tillhörande manuellt valda citat. Av arbetets två implementerade modeller, BERT med Inter-Sentence Transformer och BERT med ett artificiellt neuronnät, visade den sistnämnda marginellt bättre resultat. Modellerna utvärderades med ROUGE och jämfördes med tidigare studiers toppresultat inom automatisk textsummering. Slutsatsen är att de modeller som utvärderades inte presterar tillräckligt väl inom problemområdet för att motivera en driftsättning utan ytterligare utvecklingsarbete. Dock visar resultaten att det finns potential i att de utvärderade tillvägagångssätten delvis kan ersätta manuella val av citat i framtiden. / To choose a number of sentences from a movie review to use as a quote can be time consuming if done manually. This thesis evaluates supervised machine learning models to create a prototype that automatically can choose such quotes. The thesis chose, based on a literature study, two models to implement and evaluate on data consisting of movie reviews and their respective corresponding manually chosen quotes. Out of the thesis two implemented models, BERT with Inter-Sentence Transformer and BERT with an artificial neural network, the latter showed marginally better results. The models were evaluated with ROUGE and was compared with state-of-the-art models regarding automatic text summarization. The conclusion is that the models that were evaluated do not perform well enough for the problem to motivate full deployment without further development efforts. However, the results show that there is potential that the evaluated methods can partially replace manual labour when choosing quotes.

During an investigation carried out by a police officer or a gendarme, audition reports are written, the length of which can be up to several pages. The high-level goal of this thesis is to study various automatic and reliable text summarization methods to help with this time-consuming task. One challenge comes from the specific, French and judicial data that we wish to summarize; and another challenge comes from the need for reliable and factual models. First, this thesis focuses on automatic summarization evaluation, in terms of both content (how well the summary captures essential information of the source text) and factuality (to what extent the summary only includes information from or coherent with the source text). Factuality evaluation, in particular, is of crucial interest when using LLMs for judicial purposes, because of their hallucination risks. Notably, we propose a light variation of SelfCheckGPT, which has a stronger correlation with human judgment (0.743) than the wide-spread BARTScore (0.542), or our study dataset. Other paradigms, such as Question-Answering, are studied in this thesis, which however underperform compared to these. Then, extractive summarization methods are explored and compared, including one based on graphs via the TextRank algorithm, and one based on greedy optimization. The latter (overlap rate: 0.190, semantic similarity: 0.513) clearly outperforms the base TextRank (overlap rate: 0.172, semantic similarity: 0.506). An improvement of the TextRank with a threshold mechanism is also proposed, leading to a non-negligible improvement (overlap rate: 0.180, semantic similarity: 0.513). Finally, abstractive summarization, with pre-trained LLMs based on a Transformer architecture, is studied. In particular, several general-purpose and multilingual models (Llama-2, Mistral and Mixtral) were objectively compared on a summarization dataset of judicial procedures from the French police. Results show that the performances of these models are highly related to their size: Llama-2 7B struggles to adapt to uncommon data (overlap rate: 0.083, BARTScore: -3.099), while Llama-2 13B (overlap rate: 0.159, BARTScore: -2.718) and Llama-2 70B (overlap rate: 0.191, BARTScore: -2.479) have proven quite versatile and efficient. To improve the performances of the smallest models, empirical prompt-engineering and parameter-efficient fine-tuning are explored. Notably, our fine-tuned version of Mistral 7B reaches performances comparable to those of much larger models (overlap rate: 0.185, BARTScore: -2.060), without the need for empirical prompt-engineering, and with a linguistic style closer to what is expected. / Under en utredning som görs av en polis eller en gendarm skrivs förhörsprotokoll vars längd kan vara upp till flera sidor. Målet på hög nivå med denna rapport är att studera olika automatiska och tillförlitliga textsammanfattningsmetoder för att hjälpa till med denna tidskrävande uppgift. En utmaning kommer från de specifika franska och rättsliga uppgifter som vi vill sammanfatta; och en annan utmaning kommer från behovet av pålitliga, sakliga och uppfinningsfria modeller. För det första fokuserar denna rapport på automatisk sammanfattningsutvärdering, både vad gäller innehåll (hur väl sammanfattningen fångar väsentlig information i källtexten) och fakta (i vilken utsträckning sammanfattningen endast innehåller information från eller överensstämmer med källtexten). Faktautvärdering, i synnerhet, är av avgörande intresse när man använder LLM för rättsliga ändamål, på grund av deras hallucinationsrisker. Vi föreslår särskilt en lätt variant av SelfCheckGPT, som har en starkare korrelation med mänskligt omdöme (0,743) än den utbredda BARTScore (0,542), eller vår studiedatauppsättning. Andra paradigm, såsom Question-Answering, studeras i denna rapport, som dock underpresterar jämfört med dessa. Sedan utforskas och jämförs extraktiva sammanfattningsmetoder, inklusive en baserad på grafer via TextRank-algoritmen och en baserad på girig optimering. Den senare (överlappning: 0,190, semantisk likhet: 0,513) överträffar klart basen TextRank (överlappning: 0,172, semantisk likhet: 0,506). En förbättring av TextRank med en tröskelmekanism föreslås också, vilket leder till en icke försumbar förbättring (överlappning: 0,180, semantisk likhet: 0,513). Slutligen studeras abstrakt sammanfattning, med förutbildade LLM baserade på en transformatorarkitektur. I synnerhet jämfördes flera allmänna och flerspråkiga modeller (Llama-2, Mistral och Mixtral) objektivt på en sammanfattningsdatauppsättning av rättsliga förfaranden från den franska polisen. Resultaten visar att prestandan för dessa modeller är starkt relaterade till deras storlek: Llama-2 7B kämpar för att anpassa sig till ovanliga data (överlappning: 0,083, BARTScore: -3,099), medan Llama-2 13B (överlappning: 0,159, BARTScore: -2,718) och Llama-2 70B (överlappning: 0,191, BARTScore: -2,479) har visat sig vara ganska mångsidiga och effektiva. För att förbättra prestandan för de minsta modellerna utforskas empirisk prompt-teknik och parametereffektiv finjustering. Noterbart är att vår finjusterade version av Mistral 7B når prestanda som är jämförbara med de för mycket större modeller (överlappning: 0,185, BARTScore: -2,060), utan behov av empirisk prompt-teknik och med en språklig stil som ligger närmare vad som förväntas.