|
|
Artificial neural networks and their application in text analysis
Jankovič, Radovan ; Mrázová, Iveta (vedoucí práce) ; Neruda, Roman (oponent)
Tato práce je věnována problematice analýzy sentimentu. Jejím cílem je vytipovat a následně porovnat vybrané metody vhodné pro automatickou klasifikaci sentimentu krátkých textů,. Při analýze popisovaných technik se práce zaměřuje na data ze sociálních sítí, které obsahují velké množství strukturovaných dat a poptávka po jejich analýze je vysoká. Zajímavých výsledků bylo dosaženo klastrováním v kombinaci s klasifikátory vytvořenými při učení s učitelem, ale i aplikací konvoluce, která se primárně používá pro obrazová data, ale je možné ji použít i pro data textová.
|
|
|
How to Create Self-Driven Education: The Social Web & Social Sciences, Coursera & Khan Academy 2014 Case Study
Růžička, Jakub ; Remr, Jiří (vedoucí práce) ; Soukup, Petr (oponent)
Diplomová práce se zabývá možnostmi využití social web dat v sociálních vědách. Teoretická část popisuje změny ve vzdělávání v kontextu dynamiky soudobé společnosti v rámci třech základních (vzájemně souvisejících) dimenzích: technologie (příčina a/nebo nástroj změny); práce (nové modely spolupráce); ekonomie (udržitelnost free a open source obchodních modelů). Hlavní metodologická část práce je zaměřena na problematiku výběru vzorku, reprezentativity výběrového souboru, posouzení validity a reliability, etiky, a sběru dat ve formujícím se se social web výzkumu v sociálních vědách. Výzkumná část obsahuje ilustrativní analýzy sociálního webu a závěry autorova výzkumu "Coursera & Khan Academy on the Social Web" (2014). Závěry kompletní výzkumné zprávy (v přílohách práce) jsou porovnány se závěry teoretické části s cílem poskytnout "naivní" (odvozenou ze zmínek a sítí na sociálním webu) odpověď na základní otázku: "Jak vytvořit samostatně motivované vzdělávání?" Powered by TCPDF (www.tcpdf.org)
|
|
|
Analýza sentimentu s využitím dolování dat
Sychra, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Obsahem práce je analýza sentimentu, především z informatického hlediska (okrajově z hlediska lingvistického). V lingvistické části je rozebrán pojem sentiment a jazykové metody pro jeho analýzu, např. lemmatizace, POS tagging, využití seznamu stopwords apod. Větší pozornost je následně věnována struktuře analyzátoru sentimentu, který je založen na některé z metod strojového učení (metoda podpůrných vektorů, naivní Bayesův klasifikátor a klasifikátor maximální entropie). Na základě teoretických východisek je navržen a implementován funkční analyzátor. Experimenty jsou zaměřeny především na porovnání klasifikačních metod a přínos využití jednotlivých metod předzpracování. Úspěšnost sestrojeného klasifikátoru dosahuje až 84 % v křížové validaci.
|
|
|
Analýza sentimentu v českém prostředí sítě Twitter
Koller, Michael ; Kincl, Tomáš (vedoucí práce) ; Novák, Michal (oponent)
Názory mají klíčový vliv na lidské chování. Tato bakalářská práce se proto zabývá analýzou názorů neboli sentimentu, která je jednou z nejaktivnějších oblastí zpracování přirozeného jazyka a stále více se uplatňuje v komerční sféře. V práci je vysvětlena podstata takové analýzy, její výhody i její možné aplikace pro firmy. Teoretická východiska jsou základem pro praktickou část této práce, jejímž cílem je popsat a zhodnotit na webu dostupné nástroje pro analýzu sentimentu, a to především pro české prostředí se zaměřením na mikroblogovací službu Twitter.
|
|
|
Analýza sentimentu
Pelíšek, Jiří ; Kincl, Tomáš (vedoucí práce) ; Novák, Michal (oponent)
V této bakalářské práci jsou popsány možnosti používání analýzy sentimentu a je porovnáno několik nástrojů, které analýzu sentimentu provádí. Nejprve je vysvětlen význam této analýzy v rámci marketingu. Následně je definován pojem analýza sentimentu. V další části jsou objasněny základní pojmy a popsány metody. V poslední kapitole je porovnáno několik služeb poskytujících nástroje pro analýzu sentimentu.
|
|
|
Virtuální obraz českého sportu skrze analýzu nestrukturovaných dat
Levý, Jan ; Jelínek, Ivan (vedoucí práce) ; Profousová, Lenka (oponent)
Analýza nestrukturovaných dat ze sociálních sítí patří mezi významné a stále se rozvíjející složky aplikace informačních technologií v marketingové praxi. Cíle práce zahrnují vytvoření testovací platformy pro analýzu nestrukturovaných dat ze sociální sítě Facebook, nalezení a aplikace metod a metrik pro analyzování těchto dat, shrnutí výsledků analýzy a vizualizace vybraných metrik pomocí ukázkového dashboardu. Struktura práce odpovídá metodám pro dosažení cílů a obsahuje sedm částí. První část shrnuje důvody, proč analyzovat data ze sociálních sítí, zkoumá přístupy k analýze sociálních sítí v současných vědeckých pracích a pojednává o komerčních nástrojích pro takovou analýzu. Druhá část rozebírá vytvoření přístupu k datovým zdrojům, strukturu vytvořených dokumentů a výběr vhodných datových zdrojů. Třetí část zpracovává téma použitých analytických nástrojů - Elasticsearch a Kibana. Čtvrtá část definuje některé otázky, které je možné si položit v rámci obrazu českého sportu na sociální síti Facebook. Pátá část určuje metriky pro vyhodnocení těchto otázek a popisuje potřebné filtrování dat. Šestá část se zaobírá samotnou analýzou a shrnuje její výsledky. Sedmá část ukazuje použití dashboardu z nástroje Kibana pro efektivní shrnování výsledků. Hlavním přínosem práce je ukázka možností analýzy sociálních sítí na příkladu obrazu českých sportovců a sportovních odvětví na síti Facebook. K analýze byl využit konektor pro stahování dat z Facebooku a nástroje Elasticsearch a Kibana, které umožnily data procházet, filtrovat a vizualizovat. Jednotlivými kroky analýzy bylo definování analytických otázek, dále definice analytických metod a metrik pro nalezení odpovědí, samotná analýza a shrnutí výsledků. Mezi nálezy analýzy patří určení sportovců s nejvyšším marketingovým potenciálem, seřazení analyzovaných sportů podle jejich obrazu mezi fanoušky a stanovení stránek s nejvíce navzájem interagujícími fanoušky.
|
|
|
Automatizovaná analýza sentimentu
Zeman, Matěj ; Kincl, Tomáš (vedoucí práce) ; Přibil, Jiří (oponent)
Cílem této diplomové práce je popsat automatizovanou analýzu sentimentu, její metody a problematiku Cross-Domain a následně otestovat již existující model. Poté tento model aplikovat na data z webů Česko-slovenské filmové databáze CSFD.cz, českého e-shopu MALL.cz a jednoho z největších českých webů o knihách Databazeknih.cz se snahou přispět k řešení Cross-Domain problému za pomoci n-gramů a analytického softwaru RapidMiner.
|
|
|
Aplikace metod strojového učení na dolování znalosti z dat
Kraus, Jan
Diplomová práce se zabývá problematikou dolování znalostí z rozsáhlých kolekcí textových dat. Konkrétně je práce zaměřena na analýzu sentimentu uživatele na základě subjektivního slovního hodnocení v přirozeném jazyce. Teoretická část diplomové práce seznamuje čtenáře se základními pojmy z oblasti strojového učení a získávání znalostí zejména z rozsáhlých textových kolekcí. Dále jsou v této části popsány metody předzpracování textových dat a principy algoritmů strojového učení. V praktické části práce jsou navrženy samotné experimenty, které jsou ná-sledně realizovány pomocí softwarového nástroje SPSS Modeler. Experimentální část je zaměřena zejména na identifikaci význačných atributů a nalezení vztahů mezi nimi. Důraz je kladen zvláště na důkladnou interpretaci dosažených výsledků.
|
|
|
Konkurenční analýza předních ICT firem na českém trhu
Dvořák, Oskar ; Feige, Tomáš (vedoucí práce) ; Molnár, Zdeněk (oponent)
Diplomová práce pojednává o oboru Competitive Intelligence ve vztahu k možnostem aplikace jeho metod a nástrojů pro konkurenční analýzu tržního prostředí s využitím moderních virtuálních sociálních sítí. Teoretická část se zaměřuje na charakteristiku tržního prostředí ICT firem s využitím Porterovy analýzy a dále na popis vybraných nástrojů a metod sloužících ke zpracování nestrukturovaných dat a analýze sociálních sítí. Praktická část vychází z reálného projektu, který probíhal od začátku března 2013 ve společnosti IBM Česká republika, spol. s r. o. Na něm jsou demonstrovány současné možnosti využití potenciálu informačních technologií v oboru Competitive Intelligence.
|
|
|
Big data - použití v bankovní sféře
Uřídil, Martin ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
Rostoucí objemy světových dat nabízejí nové možnosti pro ty účastníky trhu, kteří se je rozhodnou využít. Zvláště v odvětví bankovních služeb jsou data, informace a znalosti velmi ceněnou komoditou. Tradiční analytická řešení běžně pracují s daty, která mají předem definovanou strukturu a význam. Jak ale těžit informace z dat, která tuto vlastnost nesplňují? Práce se zaměřuje na využití Big Data analytiky v oblastech bankovnictví a finančních služeb. Cílem práce je definovat konkrétní aplikace trendu v tomto oboru a popsat jejich přínosy pro bankovní instituce ve světě a v České republice. Za účelem dosažení cíle je práce rozdělená na čtyři hlavní části. První část popisuje samotný trend Big Data, druhá část vymezuje činnosti a využívané nástroje v bankovním prostředí. Třetí stěžejní část pak na vymezené činnosti aplikuje Big Data analytiku a ukazuje její možné přínosy. Poslední část se soustředí přímo na specifika českého bankovnictví a odpovídá na otázku, jaké je aktuální využití Big Data v českých bankách. Práce podává komplexní obraz o možnostech využití analýz nad daty, která splňují specifika Big Data. Hlavní přínos vidím v aplikaci trendu v reálných činnostech banky, kde práce podrobně popisuje jednotlivé případy.
|
host ::
RSS.