Metody strojového učení pro analýzu sentimentu – Bc. Michal PATOČKA
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 …moreAbstract:
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
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
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 vědUniversity of West Bohemia
Faculty of Applied SciencesMaster programme / field:
Computer Science and Engineering / Software Engineering
Theses on a related topic
-
Detekce polarity sentimentu
Monika Horáková -
Analýza sentimentu v oblasti financí a obchodování s cennými papíry
Petra Šťastná -
Vlnková transformace jako nástroj pro výběr příznaků k rozpoznávání obrazů
Kateřina Maršálová -
Soft computingové techniky pro analýzu sentimentu a výběr příznaků
Raphael Kwaku Botchway -
Meta-heuristické algoritmy pro výběr příznaků v klasifikaci srdečních onemocnění
Tereza Švestková -
Multirezoluční výběr příznaků pro rozpoznávání v obrazech mozku z magnetické rezonance
Petr Dluhoš -
Sborové učení pro klasifikaci obrazových dat
Tereza Jurková -
Klasifikace mozkové mrtvice pomocí algoritmu SVM trénovaného na datech z linearizovaného operátoru rozptylu
Michal Karel