|
|
Algoritmus pro detekci pozitívního a negatívního textu
Musil, David ; Harár, Pavol (oponent) ; Povoda, Lukáš (vedoucí práce)
Se svižným vývojem informačních a komunikačních technologií vzrůstá i množství informací produkovaných nejrůznějšími zdroji v elektronické podobě. Třídění a získávání znalostí z těchto dat vyžaduje značné úsilí, které pro člověka není snadné zajistit, do popředí se tedy dostává zpracování strojem. Dolování emocí z textových dat je zajímavou oblastí výzkumu, zažívající v posledních letech nezanedbatelný rozmach, přičemž nachází široké uplatnění. V rámci této diplomové práce byl vytvořen systém sloužící k detekci pozitivní a negativní emoce z textu, dále je provedeno zhodnocení jeho úspěšnosti. Systém je navržen v jazyce Java a je koncipován pro umožnění jeho trénování pomocí velkých objemů dat (Big Data) s využitím knihovny Spark. V práci je popsána struktura a zacházení s textem z databázi, ze které systém čerpá vstupní data. Samotný model klasifikátoru je pak vytvořen za pomoci algoritmu podpůrných vektorů (SVM), přičemž je optimalizován metodou n-gramů.
|
|
|
Job Scheduling in Logistic Warehouses
Povoda, Lukáš ; Uher, Václav (oponent) ; Karásek, Jan (vedoucí práce)
The main aim of this thesis is flow shop and job shop scheduling problem in logistics warehouses. Managing and scheduling works is currently often problem. There is no simple solution due to complexity of this problem. This problem must be resolved because of a lack efficiency of work with a higher load such as during the christmas holidays. This paper describes the methods used to solve this problem focusing mainly on the use of search algorithms, evolutionary algorithms, specifically grammar guided genetic programming. This paper describes the problem of job shop scheduling on a simple theoretical example. The implemented algorithm for solving this problem was subjected to tests inspired on data from real warehouse, as well as synthetically created tests with more jobs and a greater number of workers. Synthetic tests were generated randomly. All tests were therefore run several times and the results were averaged. In conclusion of this work are presented the results of the algorithm and the optimum parameter settings for different sizes of problems and requirements for the solution. Genetic algorithm has been extended to calculate fitness of individuals with regard to number of collisions, extended to use priority rules during run of evolution, and some parts of algorithm was parallelized.
|
|
|
Nástroj pro komentování obsahu webu
Najbr, Ondřej ; Povoda, Lukáš (oponent) ; Burget, Radim (vedoucí práce)
Semestrální práce je rozdělena do tří částí. První část se zabývá popisem tvorby rozšíření pro prohlížeče Internet Explorer, Operu, Safari 5, Mozillu Firefox a Google Chrome, shrnutím výhod vývoje rozšíření pro tyto prohlížeče a strukturou rozšíření konkrétně pro Google Chrome. V druhé části je popsána instalace rozšíření pro Chrome metodou rozbaleného rozšíření a druhou metodou z internetového obchodu Chrome. Dále je popsána podrobná tvorba rozšíření pro Chrome s příklady zdrojového kódu, možnostmi implementace a vkládání komentářů do webových stránek, přínos rozšíření a přínos této práce. Cílem této práce je seznámit se s problematikou vytváření rozšíření (pluginů) pro prohlížeče Chrome či Firefox a vytvořit aplikaci, která bude schopna přidávat komentář k obsahu webové stránky.
|
host ::
RSS.