Zpět na vyhledávání

Albert Sukaný

Bachelor's thesis

Analýza diskuzních příspěvků z české Wikipedie

Analysis of Discussion Pages in Czech Wikipedia
Abstract:
Cílem této práce je vytvoření datové sady z komentářů na diskuzních stránkách české Wikipedie. Toho bylo dosaženo segmentací dat z XML dumpů, očištěním textu od značkování a uložením komentářů s~metadaty do relační databáze. Dohromady se jedná o více než 170 000 diskuzních příspěvků. Následně byly na získaná data aplikovány nástroje na rozpoznání jazyka, detekci témat, detekci vulgarit a detekci sentimentu …more
Abstract:
The goal of this thesis is to create a dataset from comments on Czech Wikipedia discussion pages. This was achieved by segmenting data from XML dumps, cleaning text from markup, and storing comments with metadata in a relational database. Altogether, there are more than 170,000 discussion comments. Subsequently, tools for language recognition, topic detection, offensive content detection and sentiment …more
 

Keywords

analýza textu Wikipedie analýza sentimentu analýza jazyka detekce vulgarismů analýza témat XML relační databáze diskuze diskuzní příspěvek
 
Language used: Czech
Date on which the thesis was submitted / produced: 20. 7. 2020
Identifier: https://is.muni.cz/th/dvn8q/

Thesis defence

  • Date of defence: 25. 9. 2020
  • Supervisor: RNDr. Zuzana Nevěřilová, Ph.D.
  • Reader: RNDr. Adam Rambousek, Ph.D.

Citation record

Cite this text

Full text of thesis

Contents of on-line thesis archive
Published in Theses:
  • světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Masarykova univerzita, Fakulta informatiky
Složka Reference to the local database directory of the institution