ČeskyEnglish

Popis předmětu - XP33TTM

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
XP33TTM Text mining Rozsah výuky:2+0s
Garanti:Mařík V. Role:S Zakončení:ZK
Vyučující:Kroha P.
Zodpovědná katedra:13133 Kreditů:4 Semestr:Z

Anotace:

S nástupem elektronických dokumentů nastala situace, kdy jejich počet roste mnohem vyšším tempem, než možnosti, schopnosti a ochota lidí je číst. Metody oboru Information Retrieval sice poskytují přehled o tom, ve kterých dokumentech se hledaná informace zřejmě nachází, ale to jenom znamená, že umožňují vybírat dokumenty podle klíčových slov, kterými indexování dokumentů charakterizuje jejich obsah. Tím jen vytvářejí síto, kterým protéká stále větší a větší počet dokumentů. Metody oboru Text mining mají za cíl nejen dokumenty vybírat podle klíčových slov, ale také určovat, co vypovídají. To je úloha velmi složitá, neboť souvisí se sémantikou přirozeného jazyka, kterou často i školení lidé interpretují nejednoznačně. Text mining zkoumá zejména následující možnosti práce s textem: Information extraction - identifikace klíčových komponent textu a vztahů mezi nimi. Topic tracking - inteligentní filtrování textů na základě profilu uživatele. Summarization - shrnutí obsahu textu. Sentence extraction - identifikace vět, které jsou pro obsah dokumentu klíčové. Kategorizace, klasifikace, clustering - rozdělování textů do tříd podle příbuznosti obsahu. Concept linkage - hledání vztahů mezi texty, které mají společné koncepty. Používají se statistické metody, metody information retrieval, metody počítačové linguistiky a klasifikační metody umělé inteligence.

Výsledek studentské ankety předmětu je zde: XP33TTM

Osnovy přednášek:

1. Text mining, Data Mining, Knowledge Discovery
2. Text Processing - základní pojmy
3. Information Retrieval
3. 1. Textové dokumenty a klíčová slova
3. 2. Relevance a fuzzy logika
3. 3. Indexování
3. 4. Vektorový model
4. Clustering
4. 1. Clustering klíčových slov
4. 2. Clustering dokumentů
5. Klasifikace textů
5. 1. Probabilistická klasifikace - Naive Bayes
5. 2. Klasifikace pomocí metody k-NN
5. 3. Klasifikace pomocí rozhodovacích stromů
5. 4. Klasifikace pomocí neuronových sítí
5. 5. Klasifikace pomocí metody support vector machine
6. Metody linguistiky v text mining
6. 1. Lexikon
6. 2. Part-of-speech tagging
6. 3. Named entity recognition
6. 4. Parsing
6. 5. Koreferente
7. Aplikace
7. 1. Automatická extrakce obsahu dokumentu
7. 2. Automatické shrnutí obsahu dokumentu
7. 3. Automatické odpovědi na dotazy

Osnovy cvičení:

Literatura:

Weiss, S.N. et all. Text mining. Springer, 2005

Požadavky:

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
DOKK Před zařazením do oboru S
DOKP Před zařazením do oboru S


Stránka vytvořena 25.9.2017 12:47:26, semestry: L/2016-7, Z,L/2017-8, Z/2018-9, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)
Za obsah odpovídá: doc. Ing. Ivan Jelínek, CSc.