Korelace a kauzalita sentimentu extrahovaného z textu a tepové frekvence

Bc. Milan KUDA

Master's thesis

Correlation and causality of sentiment extracted from text and heart rate

Abstract:

Tato diplomová práce se zabývá problematikou extrakce sentimentu z textů a jeho porovnáním se sentimentem predikovaným na základě tepové frekvence pozorovaného subjektu. Přínos této práce tkví v tom, že bychom mohli určit náladu subjektu z tepové frekvence a podle toho upravit chování počítačových systémů při interakci s člověkem. Pro nalezení možné korelace mezi predikovaným sentimentem a extrahovaným sentimentem slouží texty ze sociální sítě Twitter a tepová frekvence změřená fitness náramkem Fitbit Charge HR. Vysvětlena je také fúze obou typů dat a použití metod strojového učení.

Abstract:

This master's thesis deals with the issue of extracting sentiment from texts and its comparison with sentiment predicated from the heart rate of the observed subject. The benefit of this thesis is that we could determine the subject's mood from the heart rate and adjust the behavior of computer systems accordingly when they are interacting with a human. To find a possible correlation between the predicated sentiment and the extracted sentiment, various texts from the Twitter social network and the measurements of heart rate from the Fitbit Charge HR wristband were used. The fusion of both data types and the usage of machine learning methods are also explained.

Keywords

Tepová frekvence, sentiment, strojové učení, SVM, Rozhodovací strom, AdaBoost, Náhodný strom, Naive Bayes, Fitbit, Emoce

Language used: Czech

Date on which the thesis was submitted / produced: 16. 5. 2019

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Roman Mouček, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Master programme / field:
Computer Science and Engineering / Software Engineering