Bc. Michal PATOČKA

Diplomová práce

Metody strojového učení pro analýzu sentimentu

Machine Learning for Sentiment Analysis
Anotace:
Tato práce prozkoumává možnosti použití algoritmu strojového učení pro analýzu sentimentu v českém jazyce. Prozkoumávané techniky jsou testovány na datech získaných ze serveru heureka.cz. Kromě použití tří základních algoritmu strojového učení (Naive Bayes, Maximum Entropy a SVM), je představeno a implementováno pět metod selekce příznaků (Mutual information, Information gain, Chi square, Odds ratio …více
Abstract:
In this work we analyse usage of machine learning algorithms for sentiment analysis in Czech language. We evaluate relevant techniques on dataset extracted from Czech server heureka.cz. Three basic machine learning algorithms (Naive Bayes, Maximum Entropy and SVM) and five implementations of feature selection algorithm (Mutual information, Information gain, Chi square, Odds ratio and Relevancy score …více
 
 
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 16. 5. 2013
Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

  • Vedoucí: Ing. Ivan Habernal, Ph.D.

Citační záznam

Jak správně citovat práci

PATOČKA, Michal. Metody strojového učení pro analýzu sentimentu. Plzeň, 2013. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd

Plný text práce

Právo: Autor si nepřeje zpřístupnění práce veřejnosti

Obsah online archivu závěrečné práce
Zveřejněno v Theses:
  • Soubory jsou nedostupné.
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných věd

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Magisterský studijní program / obor:
Inženýrská informatika / Softwarové inženýrství