Förståelse för naturligt språk, språk som har utvecklats av människan ex. talspråk eller teckenspråk, är en del av språkteknik. Det är ett brett ämnesområde där utvecklingen har gått fram i snabb takt senaste 20 åren. En bidragande faktor till denna utveckling är framgångarna med neurala nätverk som är en matematisk modell inspirerad av biologiska hjärnor. Förståelse för naturligt språk används inom många områden där det krävs att applikationer förstår innebörden av textinmatning. Exempel på applikationer som använder förståelse för naturligt språk är Google translate, Googles sökmotor och rättstavningsfunktionen i textredigerarprogram.   A Great Thing AB har utvecklat applikationen Thing Launcher. Thing Launcher är en applikation som hanterar andra applikationer med hjälp av användarens olika kriterier i samband mobilens olika funktionaliteter som; väder, geografisk position, tid mm. Ett exempel kan vara att användaren vill att Spotify ska spela en specifik låt när användaren kommer hem, eller att en taxi ska vara på plats när användaren anländer till en geografisk position.  I dagsläget styr man Thing Launcher med hjälp av textinmatningar. A Great Thing AB behöver hjälp att ta en prototyp på en motor med förståelse för naturligt språk som kan styras av både textinmatning och röstinmatning. Motorn ska användas i applikationen Thing Launcher. Med skalbarhet menas att motorn ska kunna utvecklas, att nya funktioner och applikationer ska kunna läggas till, samtidigt som systemet ska kunna vara i drift och att prestandan påverkas så lite som möjligt.   Detta examensarbete har som syfte att undersöka vilka algoritmer som är lämpliga för att bygga en skalbar motor med förståelse av naturligt språk. Utifrån detta utveckla en prototyp. En litteraturstudie gjordes mellan dolda Markovmodeller och neurala nätverk. Resultatet visade att neurala nätverk var överlägset i förståelse av naturligt språk. Flera typer av neurala nätverk finns implementerade i TensorFlow och den är mycket flexibelt med sitt bredda utbud av kompatibla mobila enheter, vilket nyttar utvecklingen med det modulära aspekten och därför valdes detta som ramverk för att utveckla prototypen. De två viktigaste komponenterna i prototypen bestod av Command tagger, som ska kunna identifiera vilken applikation som användaren vill styra och NER tagger, som ska identifiera vad användaren vill att applikationen ska utföra. För att mäta träffsäkerheten utfördes det två tester, en för respektive tagger, flera gånger som mätte hur ofta komponenterna gissade rätt efter varje träningsrunda. Varje träningsrunda bestod av att komponenterna fick tiotusentals meningar som de fick gissa på följt av facit för att ge feedback. Med hjälp av feedback kunde komponenterna anpassas för hur de agerar i framtiden i samma situation. Command tagger gissade rätt 94 procent av gångerna och Ner tagger gissade rätt 96 procent av gångerna efter de sista träningsrundorna. I prototypen användes Androids inbyggda mjukvara för taligenkänning. Det är en funktion som omvandlar ljudvågor till text. En serverbaserad lösning med REST applikationsgränssnitt utvecklades för att göra motorn skalbar.   Resultatet visar att fungerande prototyp som kan vidareutvecklas till en skalbar motor för naturligt språk. / Natural Language Understanding is a field that is part of Natural Language Processing. Big improvements have been made in the broad field of Natural Language Understanding during the past two decades. One big contribution to this is improvement is Neural Networks, a mathematical model inspired by biological brains. Natural Language Understanding is used in fields that require deeper understanding by applications. Google translate, Google search engine and grammar/spelling check are some examples of applications requiring deeper understanding. Thing Launcher is an application developed by A Great Thing AB. Thing Launcher is an application capable of managing other applications with different parameters. Some examples of parameters the user can use are geographic position and time. The user can as an example control what song will be played when you get home or order an Uber when you arrive to a certain destination. It is possible to control Thing Launcher today by text input. A Great Thing AB needs help developing a prototype capable of understanding text input and speech. The meaning of scalable is that it should be possible to develop, add functions and applications with as little impact as possible on up time and performance of the service. A comparison of suitable algorithms, tools and frameworks has been made in this thesis in order research what it takes to develop a scalable engine with the natural language understanding and then build a prototype from this gathered information. A theoretical comparison was made between Hidden Markov Models and Neural Networks. The results showed that Neural Networks are superior in the field of natural language understanding. The tests made in this thesis indicated that high accuracy could be achieved using neural networks. TensorFlow framework was chosen because it has many different types of neural network implemented in C/C++ ready to be used with Python and alsoand for the wide compatibility with mobile devices.  The prototype should be able to identify voice commands. The prototype has two important components called Command tagger, which is going to identify which application the user wants to control and NER tagger, which is the going to identify what the user wants to do. To calculate the accuracy, two types of tests, one for each component, was executed several times to calculate how often the components guessed right after each training iteration. Each training iteration consisted of giving the components thousands of sentences to guess and giving them feedback by then letting them know the right answers. With the help of feedback, the components were molded to act right in situations like the training. The tests after the training process resulted with the Command tagger guessing right 94% of the time and the NER tagger guessing right 96% of the time. The built-in software in Android was used for speech recognition. This is a function that converts sound waves to text. A server-based solution with REST interface was developed to make the engine scalability. This thesis resulted with a working prototype that can be used to further developed into a scalable engine.

With the development of information technology in recent years, log analysis has gradually become a hot research topic. However, manual log analysis requires specialized knowledge and is a time-consuming task. Therefore, more and more researchers are searching for ways to automate log analysis. In this project, we explore methods for train log analysis using natural language processing and unsupervised machine learning. Multiple language models are used in this project to extract word embeddings, one of which is the traditional language model TF-IDF, and the other three are the very popular transformer-based model, BERT, and its variants, the DistilBERT and the RoBERTa. In addition, we also compare two unsupervised clustering algorithms, the DBSCAN and the Mini-Batch k-means. The silhouette coefficient and Davies-Bouldin score are utilized for evaluating the clustering performance. Moreover, the metadata of the train logs is used to verify the effectiveness of the unsupervised methods. Apart from unsupervised learning, network analysis is applied to the train log data in order to explore the connections between the patterns, which are identified by train control system experts. Network visualization and centrality analysis are investigated to analyze the relationship and, in terms of graph theory, importance of the patterns. In general, this project provides a feasible direction to conduct log analysis and processing in the future. / I och med informationsteknologins utveckling de senaste åren har logganalys gradvis blivit ett hett forskningsämne. Manuell logganalys kräver dock specialistkunskap och är en tidskrävande uppgift. Därför söker fler och fler forskare efter sätt att automatisera logganalys. I detta projekt utforskar vi metoder för tåglogganalys med hjälp av naturlig språkbehandling och oövervakad maskininlärning. Flera språkmodeller används i detta projekt för att extrahera ordinbäddningar, varav en är den traditionella språkmodellen TF-IDF, och de andra tre är den mycket populära transformatorbaserade modellen, BERT, och dess varianter, DistilBERT och RoBERTa. Dessutom jämför vi två oövervakade klustringsalgoritmer, DBSCAN och Mini-Batch k-means. Siluettkoefficienten och Davies-Bouldin-poängen används för att utvärdera klustringsprestandan. Dessutom används tågloggarnas metadata för att verifiera effektiviteten hos de oövervakade metoderna. Förutom oövervakad inlärning tillämpas nätverksanalys på tågloggdata för att utforska sambanden mellan mönstren, som identifieras av experter på tågstyrsystem. Nätverksvisualisering och centralitetsanalys undersöks för att analysera sambandet och grafteoriskt betydelsen av mönstren mönstren. I allmänhet ger detta projekt en genomförbar riktning för att genomföra logganalys och bearbetning i framtiden.

Information Extraction is a sub-field of Natural Language Processing that aims to extract structured data from unstructured sources. With the progress in digitization, extracting key information like account number, gross amount, etc. from business invoices becomes an interesting problem in both industry and academy. Such a process can largely facilitate online payment, as users do not have to type in key information by themselves. In this project, we design and implement an extraction system that combines Machine Learning and Heuristic Rules to solve the problem. Invoices are transformed into a graph structure and then Graph Neural Networks are used to give predictions of the role of each word appearing on invoices. Rule-based modules output the final extraction results based on aggregated information from predictions. Different variants of graph models are evaluated and the best system achieves 90.93% correct rate. We also study how the number of stacked graph neural layers influences the performance of the system. The ablation study compares the importance of each extracted feature and results show that the combination of features from different sources, rather than any single feature, plays the key role in the classification. Further experiments reveal the respective contributions of Machine Learning and rule-based modules for each label. / Informationsutvinning är ett delområde inom språkteknologi som syftar till att utvinna strukturerade data från ostrukturerade källor. I takt med den ökande digitaliseringen blir det ett intressant problem för både industrin och akademin att extrahera nyckelinformation som t.ex. kontonummer, bruttobelopp och liknande från affärsfakturor. En sådan process kan i hög grad underlätta onlinebetalningar, eftersom användarna inte behöver skriva in nyckelinformation själva. I det här projektet utformar och implementerar vi ett extraktionssystem som kombinerar maskininlärning och heuristiska regler för att lösa problemet. Fakturor kommer att omvandlas till en grafstruktur och sedan används grafiska neurala nätverk för att förutsäga betydelsen av varje ord som förekommer på fakturan. Regelbaserade moduler producerar de slutliga utvinningsresultaten baserat på aggregerad information från förutsägelserna. Olika varianter av grafmodeller utvärderas och det bästa systemet uppnår 90,93 % korrekta resultat. Vi studerar också hur antalet neurala graflager påverkar systemets prestanda. I ablationsstudien jämförs betydelsen av varje extraherat särdrag och resultaten visar att kombinationen av särdrag från olika källor, snarare än något enskilt särdrag, spelar en nyckelroll i klassificeringen. Ytterligare experiment visar hur maskininlärning och regelbaserade moduler på olika sätt bidrar till resultatet.

Natural Language Generation and generating believable verbal communication are critical components in the development of social robots. The work presented in this paper is based on the sequence-to-sequence model and is focused on improving context and repeatability through the inclusion of task- specific information. The data set on which this study was conducted was collected through a Wizard of Oz framework using a social robot. The generated dialogue was evaluated through a survey designed to measure the adherence to the game context and perceived human qualities. The human qualities were measured using attributes from two well-known attribute scales intended for evaluating Human-Robot Interaction. The evaluation results indicate that the quality of the generated dialogue is on par with examples of actual dialogue spoken during the experiments. This paper also highlights interesting aspects regarding the usefulness of transfer learning in narrow contextual applications. The results presented in this paper show that it is possible to improve the contextual nature of generated dialogue by including additional task-specific information. / Generering av naturligt språk och uppgiften att skapa trovärdig verbal kommunikation är kritiska komponenter i utvecklingen av sociala robotar. Arbetet som presenteras i denna uppsats är baserat på sekvens-till-sekvens-modellen och fokuserar på att förbättra sammanhang och repeterbarhet genom att inkludera uppgiftspecifik information. Datauppsättningen som denna studie genomförde samlades in via ett Wizard of Oz-ramverk med hjälp av en social robot. Den genererade dialogen utvärderades genom en onlineundersökning utformad för att mäta efterlevnaden av spelskontexten och upplevda mänskliga egenskaper. Dessa mänskliga egenskaper mättes med attribut från två välkända attributskalor avsedda för utvärdering av människa-robot-interaktion. Utvärderingsresultaten visar att kvaliteten på den genererade dialogen är i nivå med exempel på faktisk dialog som talats under experimenten. Denna uppsats belyser också intressanta aspekter beträffande nyttan av överföringsinlärning i smala kontextuella applikationer. Resultaten som presenteras i denna uppsats visar att det är möjligt att förbättra den kontextuella karaktären hos genererad dialog genom att inkludera ytterligare uppgiftspecifik information.

Symboler har alltid varit en viktig del av matematik, därför är det inte konstigt att kunskaperom symbolspråket behövs för att uppnå en full förståelse av ämnet. Den här studiensyftar därför på att utreda användningen av det symboliska språket i den svenska gymnasialaundervisningen ur ett språkvetenskapligt perspektiv. Empirin till det här arbetetbestår av 52 elevlösningar till ett test i matematik samt transkribering av en parintervju.Det insamlade materialet har analyserats utifrån teorier om den metalingvistiska medvetenhetensamt symbolernas semiotiska och epistemologiska funktioner. Det matematiskasymbolspråkets roll i styrdokumenten har också belysts i det här arbetet. Från elevernasfel i testet var det möjligt att åskådliggöra vikten av den metalingvistiska medvetenhetenoch den semiotiska medlingen i algebrainlärningen. Slutligen blev det även tydligt att detmatematiska symbolspråket behöver en mer explicit roll i den svenska matematikundervisningen. / Symbols have always been an important part of mathematics, which is why learning thesymbolic language is necessary in order to acquire a full understanding of the subject.This study aims to investigate the use of the symbolic language in the Swedish uppersecondary school from a linguistic perspective. The data for this study consists of samplesfrom 52 student solutions from a mathematical test, together with one transcribed groupinterview, where two students participated. The analysis is based on theories about themetalinguistic awareness and symbols’ semiotic and epistemological functions. The roleof the mathematical symbolic language described in the steering documents has also beenconsidered in the study. From the mistakes made in the test, it was possible to visualisethe importance of the metalinguistic awareness and the semiotic mediation in algebralearning. In the end, it also became clear that the mathematical symbolic language needsa more explicit role in the Swedish mathematics education.

This thesis is an analysis of the use and definition of the concepts health, well-being and welfare within the field called “the science of animal health and welfare”. The materials used are a literature survey of the field, qualitative interviews with Swedish veterinary surgeons and a study of the concepts in legislation concerning animals in England, Germany and Sweden. The main emphasis has been on theoretical definitions explicitly stated in the different texts or in the interviews. Two ways of distinguishing between animals are used: according to species and according to the role that animals have for humans. As a result it becomes salient whether the definitions have limits with regard to species or role. In the thesis a great number of definitions of the three concepts are interpreted, compared and criticised. As a result a limited number of definitions have been categorised and collected into clusters which fulfil minimal requirements of consistency and practicability. The analysis supports the use of all three concepts – health, well-being and welfare – since they are all needed for making crucial distinctions in the science of animal health and welfare.

<p>Taligenkänning som verktyg vid direkttextning av tv-program har börjat användas på försök av några utländska tv-bolag. I examensarbetet undersöks möjligheten att använda svensk taligenkänning för att direkttexta tv-program på Sveriges Television. </p><p>Ett av de största hindren för talbaserad direkttextning är att den kognitiva belastningen ökar vidsamtidigt lyssnande, talande, och skrivande. Dessa tre moment måste kunna utföras samtidigt av textaren. Undersökningar visade att det borde vara fullt möjligt att arbeta på detta sätt. </p><p>Flera av de taligenkänningsprogram som finns på marknaden har testkörts. De svenska rogrammen har inte samma prestanda som de engelska. VoiceXpress utsågs till det program som skulle användas under resten av arbetet vid test av direkttextning. En prototyp utvecklades som kopplade ihop taligenkänningsprogrammet med text-tv-sändaren och som gav textaren möjligheten att snabbt korrigera felaktigt tolkade ord. </p><p>Resultaten man uppnår med det nya sättet att texta är varierande. Tempot i tv-programmet är avgörande eftersom det blir en fördröjning på de utsända textblocken. Vid lågt tempo blir resultatet acceptabelt. Är tempot högt blir resultatet däremot underkänt. Den stora fördelen med taligenkänning i jämförelse med traditionell direkttextningsteknik är att taligenkänning är lättare att lära sig.</p>

Uppsalas dricksvattenförsörjning baseras på konstgjord grundvattenbildning som innebär att vatten från Fyrisån får rinna ned till grundvattnet från infiltrationsbassänger. Detta examensarbete syftar till att undersöka vad som händer med naturligt organiskt material (NOM) i Uppsalaåsen vid konstgjord grundvattenbildning. De viktigaste processerna för minskning av NOM är biologisk avskiljning genom nedbrytning, fysikalisk-kemisk avskiljning genom sorption till metalloxider samt utspädning genom inblandning av naturligt grundvatten. Arbetet bestod av tre delar: 1) analys av vattenkemidata från grundvattenprover, 2) analys av extraktion av TOC, Al och Fe från jordprover för att undersöka utfällning av NOM med metalloxider samt 3) ett inkuberingsexperiment för att utvärdera potentialen för biologisk nedbrytning i löst organiskt material (DOC). Jordproverna hämtades från borrkärnor som tagits på fem platser längs åsen under sommaren 2014. Grundvattenprover togs i 19 brunnar minst en gång per månad från november 2014 fram till april 2015. TOC-halten i grundvattnet är som högst vid infiltrationsbassängerna, ca 15 mg/l. TOC- minskar med 30 % de första 200 metrarna i flödesriktningen men minskningen avtar under grundvattentransporten. I den omättade zonen avskiljs mindre än 10 %. Vattnet i Fyrisån har en varierande sammansättning över ett år, vilket också observerades i provtagningspunkter som ligger närmast infiltrationsanläggningarna. Analys av uran och stabila isotoper visar att dispersion i åsen utjämnar dessa variationer. Analys av UV-absorbans och fluorescens tyder på att det organiska materialet i grundvattnet byter karaktär i den mättade zonen och blir hydrofilt. Resultaten från extraktionerna i jordprover visar på god korrelation mellan Fe och TOC. Bidning till järnoxider antas därför vara den viktigaste avskiljningsmekanismen i åsen. Resultaten indikerar på anrikningar av humuskomplex i de ytligaste jordlagren under sandfiltren samt precis under grundvattenytan i närheten av bassängerna. Inkuberingsexperimentet utfördes genom att grundvatten från fem olika provpunkter sterilfiltrerades. 15 vattenprover tillsattes med inockulat innehållande mikroorganismer och övriga 15 sterila prover användes som referenser. TOC undersöktes varannan vecka på samtliga vattenprover under 1,5 månader. Efter två veckor minskade halten TOC i samtliga prover och referenser med cirka 25 % och var därefter relativt konstant. Sammanfattningsvis sker en snabb minskning av NOM i grundvattnet nära infiltrationsbassängerna. Det antas bero på adsorption till metalloxider och fasta partiklar och biologisk nedbrytning. Minskningstakten av NOM avtar med transportsträckan. Längre bort antas inblandning av naturligt grundvatten vara den viktigaste orsaken till att halten NOM minskar. / The drinking water supply in Uppsala is based on this technique which involves surface water from Fyrisån percolating to the ground water through an infiltration basin. This master thesis aims to evaluate the fate of natural organic matter (NOM) in the Uppsala esker during artificial groundwater recharge. The most important processes for the removal of NOM are biological degradation, physical-chemical sorption to metal complexes and dilution by mixing with natural ground water. The work consisted of three parts: 1) analysis of water chemistry data from groundwater samples, 2) analysis of extractions of TOC, Al and Fe from soil samples to evaluate deposition of NOM with metal oxides, and 3) an incubation test to evaluate the potential for biological degradation in dissolved organic carbon (DOC). Soil samples were collected from drill cores taken from five locations along the Uppsala esker in the summer of 2014. Ground water was sampled in 19 wells at least once every month from November 2014 to April 2015. The levels of TOC in ground water are highest at the infiltration basins, about 15 mg/l. The TOC levels drop by 30 % the first 200 meters in the flow direction, but the removal rate decreases during the ground water transport. Less than 10 % is removed in the unsaturated zone. The water in Fyrisån has a variation in composition during a year, which is also observered in sampling points close to the infiltration basins. Analysis of uranium and stable isotopes shows that dispersion in the esker evens these variations. The analysis of absorbance and fluorescence shows that the NOM changes character in the saturated zone and becomes less humificated and becomes hydrophilic. The results from the extractions in the soil samples show a good correlation between Fe and TOC. Complexes of NOM and iron oxides are thought to be the most important complex in the Uppsala esker. The extractions also indicate that enrichments of humus complexes in the uppermost soil of the infiltration basins and right below the ground water table in several locations near the basins. The incubation test was done by sterilization filtering of ground water from five different locations. Inoculate with microorganisms was added to 15 of these samples, while 15 without inoculate was used as reference samples. Analysis of TOC was done every two weeks during 1,5 months. The levels of TOC decreased by 25 % after two weeks in all samples and reference samples, and were stable afterwards. In summary, a quick decrease of NOM occurs in the groundwater close to the infiltration basins. This is mainly caused by sorption and biological degradation. The removal rate of NOM decreases with distance. Further away from the basins, the most important process for decrease of NOM is mixing with local ground water.

This thesis presents an attempt to find evidence of the ostrich effect and the disposition effect, as well as individual differences in self-assessed financial knowledge and its effect on these biases. The ostrich effect refers to the tendency to deliberately avoid information that might be negative, by "sticking your head in the sand". The disposition effect refers to people who hold on to losing assets too long while selling winning ones too early. The two effects were examined through a natural experiment which emerged from the stock market crash that occurred February 5th, 2018. The data was collected during an internship at Länsförsäkringar AB and originates from the usage of Länsförsäkringar's application Sparnavigatorn, where customers can manage their savings. The customers login activity and number of placed sales orders were observed. The data material is unique, and the study enabled a unique presentation of real life behaviour within a financial context and an analysis of whether individual differences affect behaviour. To our knowledge, neither the ostrich effect nor the disposition effect have earlier been examined through a large scale natural experiment. The results show no significant indication of the ostrich effect, but rather a relatively constant login activity not affected by the stock market crash. Furthermore, they show a contradictory reaction to what the disposition effect suggests, meaning the respondents place more sales orders during the stock market fall than at the time before and after. The results imply that further research needs to be done to either reject or confirm the existence of the ostrich effect and the disposition effect.

Flamskyddsmedel har visat sig ha en stor påverkan på både miljö och hälsa. Den grupp flamskyddsmedel som i stor utsträckning har använts sedan slutet på 70-talet till början av 00-talet för textilier är polybromerade difenyletrar (PBDE). De är halogenerade ämnen som är svårnedbrytbara, persistenta, i vissa fall även bioackumulerande och toxcistiska. Studier har visat att dessa ämnen upptäckts i både miljö och i människokroppen. Människan exponeras av dessa ämnen, framförallt genom damm och livsmedel. I synnerhet feta fiskar eftersom PBDE drar sig till organismer och fettvävnader. I takt med att brandkraven i många länder ökar är behovet av ett substitut för bromerade flamskyddsmedel stort. Flera typer av PBDE är idag förbjudna i Europa men problemet kvarstår då det fortfarande existerar i importerade produkter. För att komma ifrån flamskyddsmedel i lös inredning, exempelvis soffor och madrasser skulle ett barriärmaterial innehållande naturligt flamskyddade material vara ett bra substitut.   För lös inredning är det viktigt med komfort, det fanns i studien ett intresse av att se hur naturligt flamskyddat material tillsammans med ull betedde sig vid en flamspridning. Ull i sig har en hög komfort och har ett naturligt flamskydd på grund av sitt höga LOI. För att uppnå ett resultat på vilken FR-fiber som skulle studeras vidare tillsammans med ull, har flamtester på Kevlar, Nomex, Protex och Flamestop utförts. De är uppbyggda med olika typer av naturligt flamskydd i form av aramider, modakryl och fosfor behandlad viskos.   Med resultatet från flamtesterna utfördes vidare tester och analyser på tre kombinationer av Flamestop/Ull, innehållande tre olika procentsatser. Testmetoder i form av antändning och flamspridning har utförts på de olika kombinationerna, för att göra det möjligt att analysera om hur de flamskyddade materialet uppförde sig tillsammans med ull. Samt om det gjorde någon skillnad vilken procentandel Flamestop kombinationen innehöll.   Resultatet av testmetod för antändning på tre spridda procentandelar Flamestop/Ull som erhölls, var att en högre procentandel Flamestop gentemot ull gjorde det möjligt för materialet av självslockna i ett tidigt stadie. I flamspridningstestet visade det sig att procentandelarna inte gjorde någon skillnad för spridningens framfart. Det gick att utläsa av testerna att proverna med flamskydd i vinkelrät riktning mot flammans riktning bildade ett skyddande skikt av förkolnad fosfor från Flamestop. Flamman och Flamestop i längsgående riktning resulterade i större skada på materialet. För att göra det möjligt att undersöka mer om riktningen på det flamskyddade materialet hade det varit intressant att studera flamspridningen med materialet i både väft och varp. / Flame-retardants have a great impact on the environment and health. Polybrominated diphenyl ethers (PBDE) are the group of flame-retardants that mainly has been used since its entrance in the late 70s until the early 00s. PBDEs consist of Organobromine compounds, different types of halogenated compounds, which are highly resistant to degradation, persistent and in some cases even bioaccumulative and toxic. It has been ensured in previously studies that PBDEs has been found in the human body and in the environment. Humans are exposed every day to these pollutants through dust, food and especially from fatty fishes, as living organisms and fatty tissues are easily attracted to PBDE. A lot of the existing PBDE are forbidden in Europe; however, the issue still exist as imported products can contain PBDE. As the fire safety regulations in many countries increases, it is necessary to find a substitute for flame-retardants. To lessen or completely remove flame-retardants in loose interiors, as couches and mattresses a barrier-material could be a good substitute.   Comfort is an important component for loose interiors; in this study there was an interest to see how a material with inherent natural flame resistance behaved with wool. Wool, that has a good comfort and a natural resistance of flame, due to its high LOI. To decide which FR-fibre that will be looked into and analysed in this essay an ignition test on Kevlar, Nomex, Protex and Flamestop were made. These materials have different structures of flame resistance, in form of aramids, modacrylic and phosphorus viscose.   Three different percentages of Flamestop/Wool were created from the results of the previous mentioned ignition test. These three percentages were weaved into a plain weave, tested and analysed. Ignition and flame spread were tested on the weaves, analysed to see how the natural flame resistant material behaved together with wool and if there were any differences when comparing the different test specimens.   The result of the ignition and flame spread tests showed that the percentages of Flamestop played a role in the ignition test; the ability to extinguish was greater with a higher percentage of Flamestop in the weave. It was not possible to see a difference in the test of flame spreading. The test specimens with the FR-fibre perpendicular to the flames direction showed a better result than the test specimens with the FR-fibre in a longitudinal direction to the flame. It would be of interest to study weaves with FR-fibres in both directions of warp and weft.