Finding People on the Internet

Bc. Juraj Jurčo

Master's thesis

Abstract:

V tejto práci zaoberáme problémom hľadania ľudí na internete. Naším zámerom je nájsť informácie o osobách pracujúcich v oblasti informatiky na manažérskych pozíciách alebo vlastníkov firiem, ktorí sú vhodnými kandidátmi na spoluprácu. Popisujeme problém vyhľadávania obchodných partnerov a navrhujeme algoritmus ručného vyhľadávania, ktorý může slúziť ako základ pre reálny algoritmus. Keďže dokumenty stiahnuté z internetu zvyčajne obsahujú veľké množstvo irelevantných dokumentov, testy v tejto práci sú zamerané na ich základné prefiltrovanie. Zistili sme, že zníženie baseline na trénovacej množine můžee viesť k lepším výsledkom klasifikácie. Navyše, keď klasifikujeme dokumenty o manažéroch v oblasti informatiky, podobné výsledky můžeme dostať aj dvojstupňovým klasifikovaním. Výsledky týchto testov sú nielen aplikovateľné pre filtrovanie výsledkov vyhľadávania, ale táto práca poskytuje teoretický základ pre reálnu aplikáciu vyhľadávajúcu potencionálnych priemyselných partnerov.

Abstract:

In this work we deal with the problem of finding people on the Internet. Our main aim is to find information about people working in the field of informatics as managers or owners of companies who are suitable candidates to reach out to offer a partnership.We describe the problem of Business partner search and we propose an algorithm of search by hand which may serve as the basis for real algorithm. Because of the fact the downloaded documents from the Internet usually contain a lot of irrelevant documents, the tests realized in this work are focused on their basic pre-filtering.We found out that decreasing of too high baseline in the training set may lead to better performance provided that we selected relevant documents on unseen data. Furthermore, when we classify documents about managers working in the field of informatics it is comparable to classify them by two stage classifiers.The results of these tests are not only applicable for basic search results pre-filtering but the thesis also provides theoretical background for real application able to search potential business partners.

Keywords

Internet, data mining, web mining, web person search, business partner search, classification, pre-processing

Language used: English

Date on which the thesis was submitted / produced: 28. 5. 2012

Thesis defence

• Date of defence: 28. 6. 2012
• Supervisor: doc. RNDr. Lubomír Popelínský, Ph.D.
• Reader: RNDr. Jan Géryk, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / field:
Informatics / Artificial Intelligence and Natural Language Processing