Analýza nestrukturovaných dat

Bc. Pavel Kinc, DiS.

Master's thesis

Unstructured data analysis

Abstract:

Analýza nestrukturovaných datTato diplomová práce má za cíl přiblížit problematiku analýzy nestrukturovaných dat. Práce je zaměřena na textovou interpretaci dat především z důvodu rozsahu zpracování této problematiky. Diplomová práce je rozdělena do dvou hlavních pasáží: nastínění problematiky nestrukturovaných dat, jejich příprava před samotnou analýzou a jednotlivé úlohy pro analýzu nestrukturovaných textových dat. První část má za úkol vysvětlit pojem nestrukturovatelná data, proč je náročné jejich hromadné zpracování, jaká jsou úskalí automatické analýzy a podobně. Dále je tato část zaměřena na přípravu dat před samotnou analýzou. Jsou zde nastíněny metody převedení textových dat do numerické podoby a výběr reprezentativních vzorků pomocí různých metod. Druhá část je zaměřena na jednotlivé úlohy analýzy nestrukturovaných textových dat, též nazývaných jako „Data-mining“. V této části jsou nastíněny úlohy, jako je sumarizace, klasifikace, určení míry podobnosti dokumentů, vyhledávání plagiátů a podobně.Závěrečná pasáž je věnována demonstraci softwarových aplikací v úlohách „Data miningu“, respektive „Text-miningu“. Shrnuje problematiku analýzy nestrukturovaných dat a poskytuje návrhy na možné využití popsaných analýz v praxi. Pomocí vybraných softwarových aplikací jsou demonstrovány konkrétní úlohy „Text miningu“, jako jsou indexace, sumarizace, porovnání podobnosti dokumentů (plagiátorství) a podobně.

Keywords

analýza dat nestrukturovaných, plagiátorství

Keywords

data mining

Language used: Czech

Date on which the thesis was submitted / produced: 11. 8. 2014

Thesis defence

• Date of defence: 13. 1. 2015
• Supervisor: prof. RNDr. Hana Skalská, CSc.
• Reader: Ing. Pavel Kříž, Ph.D.

University of Hradec Králové

Faculty of Informatics and Management

Master programme / field:
Aplikovaná informatika / Aplikovaná informatika