Analýza sociálních sítí využitím metod rozpoznání vzoru

Križan, Viliam

Analýza sociálních sítí využitím metod rozpoznání vzoru

but.committee	prof. Ing. Eva Gescheidtová, CSc. (předseda) doc. Ing. Karol Molnár, Ph.D. (místopředseda) doc. Ing. Jiří Schimmel, Ph.D. (člen) Ing. Michal Lares, Ph.D. (člen) Ing. Hicham Atassi, Ph.D. (člen) doc. Ing. Petr Číka, Ph.D. (člen)	cs
but.defence	Objasněte, proč jste ve vaší práci upřednostnil SVM s lineárním jádrem a proč? Objasněte vliv prostředí Twitteru (krátké fráze, výrazné emoční vyjádření a omezený slovník) na výslednou přesnost. Jak se verifikovaly výsledky?	cs
but.jazyk	angličtina (English)
but.program	Elektrotechnika, elektronika, komunikační a řídicí technika	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Atassi, Hicham	en
dc.contributor.author	Križan, Viliam	en
dc.contributor.referee	Burget, Radim	en
dc.date.accessioned	2015-06-12T06:57:37Z
dc.date.available	2015-06-12T06:57:37Z
dc.date.created	2015	cs
dc.description.abstract	Diplomová práca sa zaoberá rozpoznávaním emócií z textu v sociálnych sieťach. Práca popisuje súčasné metódy extrakcie príznakov, používané lexikóny, korpusy a klasifikátory. Emócie boli rozpoznávané na základe klasifikátoru, netrénovaného na anotovaných dátach z mikroblogovacej siete Twitter. Výhodou použitia služby Twitter, bolo geografické vymedzenie dát, ktoré umožňuje sledovanie zmien emócií populácie v rôznych mestách. Prvým prístupom klasifikácie bolo vytvorenie Baseline algoritmu, ktorý používal jednoduchý lexikón. Pre zlepšenie klasifikácie sme v druhom bode použili komplexnejší SVM klasifikátor. SVM klasifikátory, extrakcie a selekcie príznakov boli použité z dostupnej Python knižnice Scikit. Dáta pre natrénovanie klasifikátoru boli zhromažďované z oblasti USA, a to s pomocou vytvorenej aplikácie. Klasifikátor bol natrénovaný na dátach, označených pri ich zhromažďovaní - bez manuálnej anotácie. Boli použité dve rôzne implantácie SVM klasifikátorov. Výsledné klasifikované emócie, v rôznych mestách a dňoch, boli zobrazené v podobe farebných značiek na mape.	en
dc.description.abstract	The diploma thesis deals with emotion recognition from texts on social media. The state-of-the-art methods of feature extraction, corpora and classifiers are described in the first section. Emotions are recognized by a classifier trained on annotated data from the microblog network Twitter. The advantage of using Twitter was the possibility to specify data collection to a certain geographical location. Geographical data allows to monitor emotional variations of population, for e.g. in different cities. The first task was to propose and develop a Baseline algorithm which classifies data to emotional classes. The classification accuracy is improved by employing a more complex SVM classifier. SVM classifiers, feature vectorizers and feature selectors are used from the Scikit library, which is written in Python. The data for classifier training were collected from the USA by the own developed mining application. The classifier are trained on data automatically annotated in the collection process. Two implementations of SVM classifiers are used. Final classified emotions that appear in different cities and in different time intervals are displayed as color markers on a map.	cs
dc.description.mark	A	cs
dc.identifier.citation	KRIŽAN, V. Analýza sociálních sítí využitím metod rozpoznání vzoru [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2015.	cs
dc.identifier.other	85347	cs
dc.identifier.uri	http://hdl.handle.net/11012/39966
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	emoce	en
dc.subject	rozpoznávaní textu	en
dc.subject	analýza emócii	en
dc.subject	data mining	en
dc.subject	twitter	en
dc.subject	tweety	en
dc.subject	sociální sítě	en
dc.subject	Python	en
dc.subject	SVM	en
dc.subject	Scikit	en
dc.subject	emotions	cs
dc.subject	text recognition	cs
dc.subject	emotional analysis	cs
dc.subject	data mining	cs
dc.subject	twitter	cs
dc.subject	tweets	cs
dc.subject	social media	cs
dc.subject	Python	cs
dc.subject	SVM	cs
dc.subject	Scikit	cs
dc.title	Analýza sociálních sítí využitím metod rozpoznání vzoru	en
dc.title.alternative	Social Network Analysis using methods of pattern recognition	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2015-06-11	cs
dcterms.extent	3.10 MB	cs
dcterms.medium	application/pdf	en
dcterms.modified	2015-06-15-07:23:09	cs
eprints.affiliatedInstitution.faculty	Fakulta elektrotechniky a komunikačních technologií	cs
sync.item.dbid	85347	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 14:12:36	en
sync.item.modts	2021.11.12 13:47:29	en
thesis.discipline	Telekomunikační a informační technika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikací	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs