Automatické metody pro detekci změn použití slov v čase

Mgr. Ondřej Herman

Bachelor's thesis

Automatic methods for detection of word usage in time

Anotácia:

Z korpusů přirozeného jazyka je možno extrahovat informace o použití slov v čase. Pro dekteci a kvantifikaci změny v těchto datech je výhodné použít automatických procedur. V této práci jsou prezentovány standardní a robustní statistické metody a jejich úspěšná aplikace na reálná data. Implementace v jazyce Python je přiložena. Je také zkoumáno vyrovnávání časových řad a detekce sezónnosti, tyto přístupy však na zkoumaných datech nepřinášejí valných výsledků.

Abstract:

From a natural language corpus, word usage data over time can be extracted. To detect and quantify change in this data, automatic procedures can be employed. In this work, the theory of ordinary and robust regression methods is discussed and applied to real world data with great success. A Python implementation is included. Smoothing of time series and detection of seasonality is examined, but ultimately this path does not seem to give satisfactory results for the data explored.

Keywords

corpus linguistics, korpusová lingvistika, time series, analýza časových řad, regression, regrese, trend, smoothing, periodicity detection, detekce periodicit

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 20. 5. 2013

Obhajoba závěrečné práce

• Obhajoba proběhla 17. 6. 2013
• Vedúci: RNDr. Vojtěch Kovář, Ph.D.
• Oponent: RNDr. Miloš Jakubíček, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / odbor:
Informatics / Artificial Intelligence and Natural Language Processing