Klasifikace textových dokumentů pomocí neuronových sítí

Petr HLAVÁČ

Bachelor's thesis

Text document classification using neural networks

Anotácia:

Bakalářská práce se zabývá automatickou klasifikací textových dokumentů pomocí neuronových sítí. Cílem práce je zjistit vliv metody předzpracování dokumentu na výslednou kvalitu klasifikace. Použité metody předzpracování jsou tokenizace, lemmatizace a stemming. Celkem bylo testováno pět architektur neuronových sítí: vícevrstvý perceptron, konvoluční neuronová síť, rekurentní neuronová sít a jejich kombinace. Testování bylo provedeno na české databázi CDCv2 a anglické RCV1-v2. Dosažené výsledky byly následne porovnány s literaturou.

Abstract:

This Bechelor thesis focuses on the automatic text document classification with neural networks. The porpuse is to verify the effect of different text preprocessing types on quality of the classification. For text preprocessing we used tokanization, lemmatisation and stemming. Five neural network architectures were tested: multi-layer perceptron, convolutional neural networks, recurrent neural networks and their combinations. Testing was carried out on czech datataset CDCv2 and english RCV1-v2. Achieved results were compared with literature.

Kľúčové slová

klasifikace dokumentů, neuronové sítě, předzpracování

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 28. 6. 2018

Zverejniť od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedúci: Ing. Ladislav Lenc, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Bachelor programme / odbor:
Computer Science and Engineering / Information Technologies