Detekce kategorie obsahu webové stránky prostřednictvím metod strojového učení.

Patrik DOHNAL

Bakalářská práce

Anotace:

Tato bakalářská práce se zabývá návrhem systému pro klasifikaci obsahu webových stránek včetně následné implementace v programovacím jazyce Python. K samotné klasifikaci jsou využívány modely strojového učení jako jsou Naivní Bayesův klasifikátor, K-Nejbližších sousedů a Support Vector Machines. V rámci celého procesu se rovněž předpokládá tvorba vlastní množiny dat, na kterých jsou tyto modely trénovány a následně testovány. Součástí práce je i podrobná rešerše použitých metod.

Abstract:

This bachelor thesis is focused on design and the implementation of the algorithm for classifying the websites into a several categories. The implementation of this software is written in Python. For classifying purposes I use machine learning models such as Naive Bayes classifier, K-Nearest neighbors and Support Vector Machines. Within the process it is assumed to collect my own dataset, wich will be used for training and testing purposes. Thesis also includes detailed description of the methods I uesd.

Klíčová slova

Strojové učení, Text mining, Klasifikace, Dataset, Webové stránky, Předzpracování dat, Zakódování textu, TF-IDF, Support Vector Machines, Naivní Bayesuv klasifikátor, K-Nejbližší sousedů

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 29. 4. 2021

Obhajoba závěrečné práce

• Vedoucí: Ing. Jan Fesl, Ph.D.

JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika - specializace Embedded systémy