Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorKrál, Pavel
dc.contributor.authorKoktan, Michal
dc.contributor.refereeKodera, Jan
dc.date.accepted2012-09-11
dc.date.accessioned2013-06-19T06:31:27Z
dc.date.available2011-08-31cs
dc.date.available2013-06-19T06:31:27Z
dc.date.issued2012
dc.date.submitted2012-06-28
dc.identifier46187
dc.identifier.urihttp://hdl.handle.net/11025/3050
dc.description.abstractTato práce se zaměřuje na automatickou analýzu sentimentu. Byla zadána pro potřeby České tiskové kanceláře, která poskytla data z jejich databáze pro experimenty. Hlavním cílem práce je automatická klasifikace článků do tříd sentimentu (pozitivní, negativní, neutrální). Další možností je paralelní zpracování. Používají se 3 klasifikátory (Naivní Bayesův, Maximální entropie a SVM). Nejlepším samostatným klasifikátorem byl zjištěn klasifikátor SVM s úspěšností klasifikace 72% a s použitím paralelního klasifikování byla úspěšnost 73%.cs
dc.format52 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectsentimentcs
dc.subjectsentimentální analýzacs
dc.subjectnaive Bayescs
dc.subjectmaximální entropiecs
dc.subjectsupport vector machinecs
dc.subjectúspěšnost klasifikacecs
dc.subjectchybovost klasifikacecs
dc.titleAutomatické rozpoznávání (analýza) sentimetucs
dc.title.alternativeAutomatic Sentiment Recognition (Analysis)en
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.description.departmentKatedra informatiky a výpočetní technikycs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThis work deals with automatic sentiment analysis. It has been developed for needs of Czech News Agency (CTK) and the data are provided from the ČTK database. The main goal of this work is to automatically classify articles to a class of sentiment (positive, negative or neutral). The sentiment analysis is viewed as a special case of the document classi cation task. We take into account the possibilities of the parallel processing. Three main classi ers are (Naive Bayes, Maximum Entropy and Support Vector Machine). The obtained accuracies are evaluated and compared. The best recognition score is 72% and are given by the SVM classi er. This result is very promising for the future real case of the ČTK.en
dc.subject.translatedsentimenten
dc.subject.translatedsentiment analysisen
dc.subject.translatednaive Bayesen
dc.subject.translatedmaximum entropyen
dc.subject.translatedsupport vector machineen
dc.subject.translatedaccuracyen
dc.subject.translatederrorrateen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Koktan-DP-A10N0033P.pdfPlný text práce3,6 MBAdobe PDFZobrazit/otevřít
A10N0033Pposudek-ved.pdfPosudek vedoucího práce546,28 kBAdobe PDFZobrazit/otevřít
A10N0033Pposudek-op.pdfPosudek oponenta práce729,79 kBAdobe PDFZobrazit/otevřít
A10N0033Pobhajoba.pdfPrůběh obhajoby práce177,65 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/3050

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra informatiky a výpočetní techniky / Department of Computer Science and Engineering
  5. Diplomové práce / Theses (KIV)