Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorSkorkovská, Lucie
dc.contributor.authorSmolík, Tomáš
dc.date.accepted2013-08-29
dc.date.accessioned2014-02-06T13:02:18Z
dc.date.available2012-11-01cs
dc.date.available2014-02-06T13:02:18Z
dc.date.issued2013
dc.date.submitted2013-08-20
dc.identifier54207
dc.identifier.urihttp://hdl.handle.net/11025/10442
dc.description.abstractCílem práce je prozkoumat vybrané algoritmy klasifikace (učení bez učitele) a jejich vhodnost vzhledem k reálnému problému. Tímto problémem je shlukování, respektive dělení novinových článku do skupin v závislosti na jejich tématu. Vybrané algoritmy jsou K-means, analýza hlavních komponent a latentní sémantická analýza. Práce se kromě teoretického úvodu zabývá také experimentální částí, kde jsou vybrané metody otestovány dle určených kritérií.cs
dc.format77 s. (72 tisíc znaků)cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectklasifikacecs
dc.subjectučení bez učitelecs
dc.subjectshlukovánícs
dc.subjectK-meanscs
dc.subjectanalýza hlavních komponentcs
dc.subjectlatentní sémantická analýzacs
dc.titleShlukování textů podle jejich podobnosti pomocí modulu Scikit-learncs
dc.title.alternativeClustering of texts based on their similarity using the Scikit-learnen
dc.typebakalářská prácecs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.description.departmentKatedra kybernetikycs
dc.thesis.degree-programAplikované vědy a informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe goal is to explore the selected classification algorithms (unsupervised learning) and their suitability for the real problem. This problem is the clustering or separation of newspaper articles into groups depending on their topic. The selected algorithms are the K-means, principal component analysis and latent semantic analysis. The work in addition to theoretical introduction also deals with the experimental part, where some methods are tested according to specific criteria.en
dc.subject.translatedclassificationen
dc.subject.translatedunsupervised learningen
dc.subject.translatedclusteringen
dc.subject.translatedK-meansen
dc.subject.translatedprincipal component analysisen
dc.subject.translatedlatent semantic analysisen
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
BP_Smolik_final.pdfPlný text práce555,3 kBAdobe PDFZobrazit/otevřít
smolik-v.pdfPosudek vedoucího práce1,77 MBAdobe PDFZobrazit/otevřít
smolik-p.pdfPrůběh obhajoby práce847,49 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/10442

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. Bakalářské práce / Bachelor´s works (KKY)