Shlukování textů podle jejich podobnosti pomocí modulu Scikit-learn

Tomáš SMOLÍK

Bakalářská práce

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

Anotace:

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.

Klíčová slova

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

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 20. 8. 2013

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Ing. Lucie Skorkovská

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Bakalářský studijní program / obor:
Aplikované vědy a informatika / Kybernetika a řídicí technika