Metody strojového učení pro analýzu sentimentu – Bc. Michal PATOČKA
Bc. Michal PATOČKA
Diplomová práce
Metody strojového učení pro analýzu sentimentu
Machine Learning for Sentiment Analysis
Anotace:
Tato práce prozkoumává možnosti použití algoritmu strojového učení pro analýzu sentimentu v českém jazyce. Prozkoumávané techniky jsou testovány na datech získaných ze serveru heureka.cz. Kromě použití tří základních algoritmu strojového učení (Naive Bayes, Maximum Entropy a SVM), je představeno a implementováno pět metod selekce příznaků (Mutual information, Information gain, Chi square, Odds ratio …víceAbstract:
In this work we analyse usage of machine learning algorithms for sentiment analysis in Czech language. We evaluate relevant techniques on dataset extracted from Czech server heureka.cz. Three basic machine learning algorithms (Naive Bayes, Maximum Entropy and SVM) and five implementations of feature selection algorithm (Mutual information, Information gain, Chi square, Odds ratio and Relevancy score …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 16. 5. 2013
Zveřejnit od: 31. 12. 2999
Obhajoba závěrečné práce
- Vedoucí: Ing. Ivan Habernal, Ph.D.
Citační záznam
Jak správně citovat práci
PATOČKA, Michal. Metody strojového učení pro analýzu sentimentu. Plzeň, 2013. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd
Plný text práce
Právo: Autor si nepřeje zpřístupnění práce veřejnosti
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou nedostupné.
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných vědZÁPADOČESKÁ UNIVERZITA V PLZNI
Fakulta aplikovaných vědMagisterský studijní program / obor:
Inženýrská informatika / Softwarové inženýrství
Práce na příbuzné téma
-
Detekce polarity sentimentu
Monika Horáková -
Analýza sentimentu v oblasti financí a obchodování s cennými papíry
Petra Šťastná -
Vlnková transformace jako nástroj pro výběr příznaků k rozpoznávání obrazů
Kateřina Maršálová -
Soft computingové techniky pro analýzu sentimentu a výběr příznaků
Raphael Kwaku Botchway -
Meta-heuristické algoritmy pro výběr příznaků v klasifikaci srdečních onemocnění
Tereza Švestková -
Multirezoluční výběr příznaků pro rozpoznávání v obrazech mozku z magnetické rezonance
Petr Dluhoš -
Sborové učení pro klasifikaci obrazových dat
Tereza Jurková -
Klasifikace mozkové mrtvice pomocí algoritmu SVM trénovaného na datech z linearizovaného operátoru rozptylu
Michal Karel