but.committee	prof. Ing. Lukáš Sekanina, Ph.D. (předseda) prof. Ing. Jan M. Honzík, CSc. (místopředseda) Ing. Radek Kočí, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm E. Otázky u obhajoby: V kapitole 3.3.2 uvádíte, že jste se při předzpracování textů rozhodl odstranit emotikony. Můžete komisi vysvětlit, co Vás k tomu vedlo? Na první pohled se totiž zdá, že právě emotikony mohou při analýze sentimentu pomoci. Z práce není příliš jasné, na jakých datech jste klasifikátory trénoval a testoval. Můžete to komisi lépe popsat?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Smrž, Pavel	cs
dc.contributor.author	Pavlů, Jan	cs
dc.contributor.referee	Otrusina, Lubomír	cs
dc.date.accessioned	2020-06-23T08:11:52Z
dc.date.available	2020-06-23T08:11:52Z
dc.date.created	2018	cs
dc.description.abstract	Tato práce se zabývá analýzou postojů u příspěvků ze sociálních sítí týkajících se českých mobilních operátorů. Kromě analýzy postojů se zaměřuje na vizualizací stažených a analyzovaných dat. Analýza postojů je provedena za pomocí strojového učení s učitelem. Po stažení jsou příspěvky očištěny, lemmatizovány a převedeny na vektor příznaků. Pro klasifikaci se využívá Stochastic Gradient Descent. Analyzovaná data jsou zobrazena jak ve formě diagramů, tak ve tvaru seznamu příspěvků. Systém poskytuje i automatické přiřazení kategorií příspěvkům pomocí stejného principu. Při přiřazení postojů systém dosahuje úspěšnosti okolo 75%. Při přiřazení kategorií je sice vysoká přesnost (kolem 80%), ale nízká preciznost, navrátovost a F1 score(20% - 30%). Proto se automaticky neprovádí. Přínosem systému je, dokáže automaticky sbírat data z různých zdrojů, ta analyzovat a přehledně zobrazit. Také poskytuje prostředky, jak manuálně měnit přířazené hodnocení/kategori, což při občasném zásahu uživatele povede k postupnému zlepšování charakteristik systému.	cs
dc.description.abstract	The main topic of this thesis is sentiment analysis of posts obtained from a social networks. The posts are about czech mobile network operators. The essential part of implemented system is also data visualization. The sentiment analysis is done using machine learning techniques. Downloaded posts are cleaned, lemmatized and transformed to feature vectors. Stochastic Gradient Descent algorithm is used for classification. Analyzed data are visualized in charts and as the list of posts. The system provides tools for text categorization. The accuracy, precision, recall and F1 score of sentiment analysis is about 75%. The accuracy of post categorization is high (about 80%), but precision, recall and F1 score are low (about 30%). This is the reason why post categorization isn't automatically done. The benefit of the system it that it automatically collects data from different sources, analysis them and displays them. It also provides tools for manual change of sentiment/categories which can lead to better system characteristics with some help of users.	en
dc.description.mark	E	cs
dc.identifier.citation	PAVLŮ, J. Analýza obsahu sociálních sítí týkající se českých mobilních operátorů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114625	cs
dc.identifier.uri	http://hdl.handle.net/11012/85201
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	sentiment	cs
dc.subject	analýza sentimentu	cs
dc.subject	analýza postojů	cs
dc.subject	mobilní operátor	cs
dc.subject	dolování dat	cs
dc.subject	analýzatextu	cs
dc.subject	aspekty	cs
dc.subject	strojové učení	cs
dc.subject	klasifikace dokumentů	cs
dc.subject	sentiment	en
dc.subject	sentiment analysis	en
dc.subject	data minign	en
dc.subject	text mining	en
dc.subject	mobile network operators	en
dc.subject	machinelearning	en
dc.subject	document classification	en
dc.title	Analýza obsahu sociálních sítí týkající se českých mobilních operátorů	cs
dc.title.alternative	Analysis of Social Media Content Discussing Czech Mobile Operators	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2018-06-12	cs
dcterms.modified	2020-05-10-16:13:13	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114625	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.22 22:59:48	en
sync.item.modts	2021.11.22 22:02:17	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Analýza obsahu sociálních sítí týkající se českých mobilních operátorů

Files

Original bundle

Collections