Bc. Tomáš Bílek

Bachelor's thesis

Automatická detekce struktury webových komunikačních kanálů

Automatic structure detection of web communication channels
Abstract:
Práce se zabývá návrhem algoritmu a následným vývojem aplikace pro automatické detekování struktury dat z webových domén. Zaměřuje se na hledání data, nadpisu, autora a článku na českých zpravodajských serverech, blozích a podobně strukturovaných webových zdrojích. K hledání využívá vlastnosti textu a specifické značky ve zdrojovém kódu internetových stránek.
Abstract:
The thesis concerns the algorithm and development of the application for automatic structure detection from web domains. It focuses on finding date, title, author and article on Czech news servers, blogs and similarly structured web sources. It uses shallow text features and specific marks in source code of internet pages for searching.
 

Keywords

webová stránka web obsah crawler extrakce detekce struktury zpravodajský server dolování textu boilerpipe Beautiful Soup
 
Language used: Czech
Date on which the thesis was submitted / produced: 20. 5. 2013
Identifier: https://is.muni.cz/th/fsv9m/

Thesis defence

  • Date of defence: 17. 6. 2013
  • Supervisor: RNDr. Jan Rygl
  • Reader: Mgr. et Mgr. Vít Baisa, Ph.D.

Citation record

Cite this text

Full text of thesis

Contents of on-line thesis archive
Published in Theses:
  • světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Masarykova univerzita, Fakulta informatiky
Složka Reference to the local database directory of the institution

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Applied Informatics / Applied Informatics

Theses on a related topic

List of theses with an identical keyword.