Částečně řízené učení algoritmů strojového učení (semi-supervised learning)

Bc. Jiří Pavlík

Diplomová práce

semi supervised learning

Anotace:

Tato diplomová práce se zabývá srovnáním metod částečně řízeného učení s metodami řízeného a neřízeného strojového učení. Srovnání metod strojového učení je realizováno na základě výsledků navržených experimentů dolování zna-lostí z poměrně rozsáhlé kolekce textových dat. Datová kolekce je tvořená z uživatelských textových hodnocení produktů elektroniky ze serveru Amazon, která byla napsána v přirozeném anglickém jazyce. Na základě výsledků z realizovaných experimentů jsou vyvozeny doporučení a závěry týkající se použi-tých metodách strojového učení.

Abstract:

This diploma thesis focuses on comparison of semi-supervised learning methods with methods of unsupervised and supervised machine learning. These methods are compared based on results of designed text mining experiments from relatively large collection of textual data. Data collection is formed by user textual re-views of electronic products from Amazon server which are written in natural English language. Based on experiment results recommendations and conclusions are proposed related to used methods of machine learning.

Klíčová slova

Částečně řízené učení, Self-training, Tri training, shlukování, Amazon, dolování znalostí z textových dat, odstranění stopslov, Weka, Keel, Cluto, Rel RASCO, RASCO, výběr rysů, hodnocení produktů, klasifikace

Keywords

Keel, classification, clustering, feature selection, Semi-supervised learning, product reviews, Amazon, text mining, stop words removal, Weka, Cluto, Rel RASCO, Self-training, Tri training, RASCO

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 19. 5. 2016

Obhajoba závěrečné práce

• Vedoucí: doc. Ing. Jan Žižka, CSc.
• Oponent: František Dařena, Ph.D.

Mendelova univerzita v Brně

Provozně ekonomická fakulta

Magisterský studijní program / obor:
Inženýrská informatika / Automatizace řízení a informatika