Analýza psycholingvistických dat

Ing. Oleksandra Naboichenko

Diplomová práce

Psycholinguistic data analysis

Anotace:

Tato práce se zaměřuje na problematiku práce s psycholingvistickými daty.Uvažovali jsme o celém cyklu, kterým musí data projít, než na ně můžeme aplikovatnástroje strojového učení a přímo je analyzovat. Kromě toho jsme použili dvětechniky pro práci s daty – klasifikační a regresní algoritmy. Poté jsme vyhodnotiliúčinnost těchto algoritmů.Naším hlavním cílem bylo analyzovat naše data na základě natrénovaných algoritmůa odpovědět tak na otázku, zda existuje vztah mezi způsobem vyjádření myšlenky apsychickým stavem člověka. Během zkoumání klasifikační a regresních algoritmůjsme však narazili na problém nedostatečného množství dat v souboru a také jsmepředpokládali přesycení dat nadměrným počtem proměnných. Proto byla dataoptimalizována pomocí technik redukce dimenzionality a rozšíření datovéhosouboru duplikací případů. Ani po těchto opatřeních však nebylo zaznamenánovýrazné zlepšení.Hlavním problémem při analýze klasifikačních modelů byla neúměrná kategorizacea nedostatek dat u některých z nich. Regresní modely se vyznačovaly nedostatečnoulinearitou a neschopností odhalit vztah mezi jazykovými proměnnými a výsledkypsychologických testů.

Abstract:

This thesis is aimed at the problematic of working with psycholinguistic data. Weexamined the complete data cycle before applying machine learning methods andconducting direct analysis. In addition, we worked with data using two techniques:classification and regression. We then assessed the performance of variousmethods.Our main goal was to analyze our data based on the trained algorithms, therebyanswering the question of whether there is a relationship between how thoughtsare presented and a person's psychological state. However, during the training ofthe classification and regression algorithms, we encountered the problem ofinsufficient data in the dataset, and we also anticipated over saturation of the datawith an excessive number of variables. Therefore, the data was optimized usingdimensionality reduction techniques and expanding the dataset by duplicatingcases. But even after these measures, no significant improvement was noticed.The main problem for analyzing classification models was disproportionatecategorization and lack of data for some of them. Regression models werecharacterized by a lack of linearity and the inability to detect a relationship betweenlinguistic variables and psychological test scores

Klíčová slova

Datová věda, Model predikce, Algoritmy klasifikace, Algoritmy regrese, Dimenzní redukce

Keywords

Data science, Model of prediction, Algorithms of classification, Algorithms of regression, Reduction of dimension

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 25. 4. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 22. 5. 2024
• Vedoucí: Mgr. Jiří Haviger, Ph.D.
• Oponent: Ing. Martina Husáková, Ph.D.

Univerzita Hradec Králové

Fakulta informatiky a managementu

Magisterský studijní program / obor:
Datová věda / Datová věda