Určování autorství anonymních textů na základě automaticky nalezených charakteristických znaků – Bc. Jan Rygl
Bc. Jan Rygl
Diplomová práce
Určování autorství anonymních textů na základě automaticky nalezených charakteristických znaků
Determining Authorship of Anonymous Texts Based on Automatically Discovered Characteristic Features
Anotace:
V práci vycházíme z řady osvědčených postupů pro určování autorství anonymních dokumentů a vytváříme nové. Již existující a používané techniky kombinujeme, optimalizujeme a inovujeme pro tři hlavní úlohy: Automatické přiřazení autora podle dané množiny autorských dokumentů, Verifikace autorství daného dokumentu vybraným autorem, Shlukování dokumentů podle autorství. Námi implementované algoritmy jsou …víceAbstract:
The work is based on the most successful methods for determining authorship of anonymous documents. We combine, optimize and revise these methods and create new techniques for three main tasks: Automatic assignment of the authorship with the given set of documents, Verification of the authorship of the document by selected author, Clustering of documents according to their authorships. Our implemented …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 26. 5. 2011
Identifikátor:
https://is.muni.cz/th/nw5qb/
Obhajoba závěrečné práce
- Obhajoba proběhla 30. 6. 2011
- Vedoucí: doc. RNDr. Aleš Horák, Ph.D.
- Oponent: doc. Mgr. Pavel Rychlý, Ph.D.
Citační záznam
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasarykova univerzita
Fakulta informatikyMagisterský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka
Práce na příbuzné téma
-
Proměna recipienta v autora pod vlivem novomediálního umění
Petra Mokrá -
Shrnutí charakteristických rysů autorů
Jakub Holotík -
Metody strojového učení nad webovými dokumenty
Josef Katrňák -
Automatizovaná podpora filtrace elektronických textových dokumentů metodami strojového učení
Jiří Hroza -
Srovnání metod strojového učení pro rozpoznání citlivých dat
Adam Považanec -
Klasifikace mozkové mrtvice pomocí algoritmu SVM trénovaného na datech z linearizovaného operátoru rozptylu
Michal Karel -
Hodnocení spotřebitelských úvěrů pomocí SVM techniky\nl{} s využitím sw nástroje Mathematica
Jan HARMADY -
Detekce objektů pomocí HOG, SVM a Random Forests
Jakub Kolder