|
|
|
||
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. Používají se statistické metody, metody information retrieval, metody počítačové linguistiky i klasifikační metody umělé intelligence.
Text Mining zkoumá zejména následující možnosti práce s textem: Informatin 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
Poslední úprava: Svozil Daniel (23.05.2018)
|
|
||
ústní zkouška Poslední úprava: Svozil Daniel (23.05.2018)
|
|
||
Z: R: Weiss, S.M. et all: Text Mining - Predictive Methods for Analyzing Unstructured Information. Springer, 2005 Poslední úprava: Svozil Daniel (23.05.2018)
|
|
||
Text Mining, Data Mining, Knowledge Discovery, Text Processing - základní pojmy Information Retrieval - základní pojmy, textové dokumenty a klíčová slova, relevance a fuzzy logika, indexování, vektorový model Latentní semantické indexování a singulární dekompozice matic Shlukování klíčových slov, shlukování dokumentů Klasifikace textů, pravděpodobnostní klasifikace - Naive Bayes, klasifikace pomocí metody k-NN, rozhodovacích stromů, neuronových sítí, support vector machine Metody linguistiky v text mining, lexikon, part-of-speech tagging, named entity recognition, parsing, koreference Aplikace, automatická extrakce obsahu dokumentu, automatické shrnutí obsahu dokumentu, automatické odpovědi na dotazy Poslední úprava: Svozil Daniel (25.05.2018)
|
|
||
materiály přednášejícího Poslední úprava: Svozil Daniel (23.05.2018)
|
|
||
Studenti budou umět:
Poslední úprava: Svozil Daniel (25.05.2018)
|
|
||
Přednáška Information retrieval Poslední úprava: Svozil Daniel (25.05.2018)
|