Zpět na vyhledávání

Bc. Jakub HAIN

Master's thesis

Analýza příspěvků na sociální síti Twitter

Twitter post sentiment analysis
Abstract:
Tato práce je zaměřena na analýzu sentimentu a sumarizaci dat. Konečné využití aplikace by melo být pro sociální sít Twitter v češtině. V textu jsou popsány jednotlivé metody strojového učení použité pro klasifikaci (Naivní Bayes, Support Vector Machine a Maximum Entropy). Extraktivní sumarizace je implementována pomocí Latentní sémantické analýzy. Vety jsou vybrány dvěma způsoby (Gong a Liu, Steinberger …more
Abstract:
This thesis focuses on sentiment analysis and data summarization. Final use of the application should be for social network Twitter in Czech language. The text shows several machine learning methods used for classification (Naive Bayes, Support Vector Machine and Maximum Entropy). Extractive summarization is implemented as Latent semantic analysis. Selection of sentences is implemented in 2 versions …more
 

Keywords

sociální sítě twitter sentiment klasifikace maximální entropie naivní bayes svm sumarizace latentní sémantická analýza
 
Language used: Czech
Date on which the thesis was submitted / produced: 13. 5. 2019
Accessible from:: 31. 12. 2999

Thesis defence

  • Supervisor: Prof. Ing. Karel Ježek, CSc.

Citation record

Cite this text
The right form of listing the thesis as a source quoted

HAIN, Jakub. Analýza příspěvků na sociální síti Twitter. Plzeň, 2019. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd

Full text of thesis

Accessibility: Autor si nepřeje zpřístupnění práce veřejnosti

Contents of on-line thesis archive
Published in Theses:
  • Soubory jsou nedostupné.
Other ways of accessing the text
Institution archiving the thesis and making it accessible: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných věd
Vázaný výtisk práce naleznete v Univerzitní knihovně ZČU, více na http://www.knihovna.zcu.cz/kvalifikacni-prace/
https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=79959 Reference to the local database file of the institution