Bc. Michal PATOČKA

Master's thesis

Metody strojového učení pro analýzu sentimentu

Machine Learning for Sentiment Analysis
Abstract:
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 …more
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 …more
 

Keywords

analýza sentimentu strojové učení výběr příznaků mutual information information gain chi square odds ratio relevancy score naive bayes maximum entropy SVM confusion matrix nevyvážený dataset
 
Language used: Czech
Date on which the thesis was submitted / produced: 16. 5. 2013
Accessible from:: 31. 12. 2999

Thesis defence

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

Citation record

Cite this text
The right form of listing the thesis as a source quoted

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

Full text of thesis

Accessibility: Autor si nepřeje zpřístupnění práce veřejnosti

Contents of on-line thesis archive
Published in Theses:
  • Soubory jsou nedostupné.
Other ways of accessing the text
Institution archiving the thesis and making it accessible: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných věd
https://portal.zcu.cz/stag?urlid=prohlizeni-prace-detail&praceIdno=51174 Reference to the local database file of the institution