Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorIrcing Pavel, Doc. Ing. Ph.D.
dc.contributor.authorMacek, Ondřej
dc.contributor.refereeLehečka Jan, Ing. Ph.D.
dc.date.accepted2022-6-22
dc.date.accessioned2022-06-27T22:23:57Z-
dc.date.available2020-11-9
dc.date.available2022-06-27T22:23:57Z-
dc.date.issued2022
dc.date.submitted2021-8-25
dc.identifier86681
dc.identifier.urihttp://hdl.handle.net/11025/48952-
dc.description.abstractTato práce se zabývá klasifikací dokumentů s částečnou informací od učitele. Teoretická část zastřešuje základy strojového učení a definuje prostor pro metody učení s částečnou informací od učitele mezi metodami učení s učitelem a bez učitele. Dále jsou popsány metody učení s částečnou informací od učitele a klasifikace dokumentů jako teoretický základ pro vývoj vlastní metody. Následuje popis vyvinutého algoritmu pro zvětšení objemu trénovacích dat pomocí neanotované datové sady, doplněný výsledky experimentů.cs
dc.format62 s
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectstrojové učenícs
dc.subjectučení s částečnou informací od učitelecs
dc.subjectklasifikátorcs
dc.subjectklasifikace dokumentůcs
dc.subjectbag-of-wordscs
dc.subjectpythoncs
dc.subjectscikit-learncs
dc.titleKlasifikace dokumentů s částečnou informací od učitelecs
dc.title.alternativeSemi-supervised document classificationen
dc.typediplomová práce
dc.thesis.degree-nameIng.
dc.thesis.degree-levelNavazující
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programAplikované vědy a informatika
dc.description.resultObhájeno
dc.description.abstract-translatedThe thesis deals with the semi-supervised document classification. The theoretical part covers the basics of machine learning and defines the space for semi-supervised learning methods between supervised and unsupervised learning. Furthermore, sections of semi-supervised learning methods and document classification cover the theoretical basis for developing the own method. The own developed algorithm for enlargement the training data using an unannotated dataset is explained, accompanied by experimental results.en
dc.subject.translatedmachine learningen
dc.subject.translatedsemi-supervised learningen
dc.subject.translatedclassifieren
dc.subject.translateddocument classificationen
dc.subject.translatedbag-of-wordsen
dc.subject.translatedpythonen
dc.subject.translatedscikit-learnen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
DP-Macek.pdfPlný text práce1,02 MBAdobe PDFZobrazit/otevřít
Macek_O.pdfPosudek oponenta práce516,09 kBAdobe PDFZobrazit/otevřít
Macek_V.pdfPosudek vedoucího práce438,65 kBAdobe PDFZobrazit/otevřít
Macek_P.pdfPrůběh obhajoby práce236,74 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/48952

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 kybernetiky / Department of Cybernetics
  5. Diplomové práce / Theses (KKY)