Text mining pro analýzu publikací konference

Mgr. Martina Chvílová

Master's thesis

Text mining for conference proceedings analysis

Abstract:

Tato diplomová práce se věnuje text miningu - zpracování a získávání informací z nestrukturovaných textových dat, která ve světě dominují nad strukturovanými numerickými daty. Diplomová práce je rozdělena na dvě hlavní části, na literární rešerši a výzkumnou část diplomové práce. Literární rešerše se zabývá úvodem do problematiky znalostí a vzdělávání a teoretickým popisem procesu text miningu. Popis procesu text miningu obsahuje definici pojmů spojených s text miningem, popis přípravy textů pro jejich zpracování, výčet konkrétních analytických metod a popis následného vyhodnocení a vizualizace výsledků. V praktické části byly metodami text miningu analyzovány příspěvky vědecké konference ERIE z let 2016 – 2020. V analýze textových příspěvků byl důraz kladen na odhalení nejvíce aktuálních a rozvíjejících se témat, predikci vývoje frekventovaných témat v čase, zda existuje geografická závislost mezi publikovanými tématy a zda autoři a autorské kolektivy vykazují anomálie a trendy. Analýzy byly provedeny v softwarech Statistica, Tovek Tools and MonkeyLearn. Závěrem jsou shrnuty dosažené výsledky a představeny získané poznatky, které by mohly být využity při sestavování příštích ročníků konference.

Abstract:

This diploma thesis deals with text mining - processing and obtaining information from unstructured text data, which dominates the world over structured numerical data. The diploma thesis is divided into two main parts, a literary review and a research part. The literature review consists of introduction to the terms of knowledge and education and a theoretical description of the text mining process. The description of the text mining process contains the definition of terms associated with text mining, a description of the preparation of texts for the processing, a list of specific analytical methods and a description of the subsequent evaluation and visualization of results. In the practical part, the proceedings of the ERIE scientific conference from 2016 - 2020 were analysed using text mining methods. Analysis such as development of frequent topics at a time, whether there is a geographical dependence between published topics and whether authors and groups of authors show anomalies and trends were performed. Analyses were run in Statistica software, Tovek Tools software and MonkeyLearn software. The conclusion summaries the achieved results which could be used in compiling the next year proceedings of the conference.

Keywords

text mining, obsahová analýza, kontextová analýza, Tovek Tools, konferenční příspěvek

Keywords

text mining, content analysis, context analysis, Tovek Tools, conference proceedings

Language used: Czech

Date on which the thesis was submitted / produced: 30. 3. 2021

Thesis defence

• Supervisor: Ing. Martina Houšková Beránková, Ph.D.

Czech University of Life Sciences Prague

Faculty of Economics and Management

Master programme / field:
Systems Engineering and Informatics / Informatics