Shlukování textů podle jejich podobnosti pomocí modulu Scikit-learn

Tomáš SMOLÍK

Bachelor's thesis

Clustering of texts based on their similarity using the Scikit-learn

Abstract:

Cílem práce je prozkoumat vybrané algoritmy klasifikace (učení bez učitele) a jejich vhodnost vzhledem k reálnému problému. Tímto problémem je shlukování, respektive dělení novinových článku do skupin v závislosti na jejich tématu. Vybrané algoritmy jsou K-means, analýza hlavních komponent a latentní sémantická analýza. Práce se kromě teoretického úvodu zabývá také experimentální částí, kde jsou vybrané metody otestovány dle určených kritérií.

Abstract:

The goal is to explore the selected classification algorithms (unsupervised learning) and their suitability for the real problem. This problem is the clustering or separation of newspaper articles into groups depending on their topic. The selected algorithms are the K-means, principal component analysis and latent semantic analysis. The work in addition to theoretical introduction also deals with the experimental part, where some methods are tested according to specific criteria.

Keywords

klasifikace, učení bez učitele, shlukování, K-means, analýza hlavních komponent, latentní sémantická analýza

Language used: Czech

Date on which the thesis was submitted / produced: 20. 8. 2013

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Lucie Skorkovská

University of West Bohemia

Faculty of Applied Sciences

Bachelor programme / field:
Applied Sciences and Computer Engineering / Cybernetics and Control Engineering