sme.sk
 
diplomovka.sme.sk » Katalóg » Ekonomická univerzita Bratislava » Fakulta hospodárskej informatiky » Katedra štatistiky » Segmentácia online čitateľov pomocou hĺbkovej analýzy textu...

Meta:

Za prácu už hlasovalo
2 čitatelia
Zaujala aj vás? Hlasujte!
Bianka Parmová
bianka.parmova@gmail.com

Dostupný celý text práce:
PDF | WEB
r. 2016

Školiteľ:
doc. Ing. Mária Vojtková, PhD.

Kľúčové slová:
Latentná Dirichletova alokácia, hĺbková analýza textu, zhluková analýza, webová analytika, jazyk R

Vedný odbor:
PRÍRODNÉ VEDY » Matematické vedy » Štatistika

Škola:
Ekonomická univerzita Bratislava » Fakulta hospodárskej informatiky » Katedra štatistiky

Dublin Core:
Dublin Core verzia

MARC21XML:
Verzia vo formáte MARC21XML

OAI:
Verzia pre Iniciatívu otvorených archívov

BibTex:
Verzia vo formáte BibTex

Upozornenie: obsah diplomovej práce je chránený autorským zákonom č. 618/2003 Z.z.

Segmentácia online čitateľov pomocou hĺbkovej analýzy textu (v jazyku R)

Bianka Parmová (Školiteľ: doc. Ing. Mária Vojtková, PhD.) | pridané: 20. septembra 2016

Abstrakt diplomovej práce:

Cieľom záverečnej práce je segmentácia čitateľov spravodajského webu pomocou hĺbkovej analýzy textu. Využitím Latentnej Dirichletovej alokácie sú z kľúčových slov článkov extrahované ich témy, ktoré sú následne použité na charakteristiku segmentov čitateľov. Práca je rozdelená do štyroch kapitol. Obsahuje 5 schém, 11 tabuliek, 6 výstupov, 1 graf a 2 prílohy. Prvá kapitola je venovaná charakteristike súčasného stavu v oblasti analýzy textu a webovej analytiky. Nasledujúca kapitola sa zaoberá formuláciou hlavného cieľa spolu s parciálnymi cieľmi diplomovej práce. Tretia kapitola popisuje metodiku práce, zameriava sa na popis metód predspracovania textových údajov, latentnej Dirichletovej alokácie a zhlukovej analýzy. V záverečnej kapitole sú spracované jednotlivé kroky aplikácie týchto metód v jazyku R spolu s interpretáciou dosiahnutých výsledkov práce. Výsledkom riešenia danej problematiky je identifikácia tém článkov spravodajského webu a následná charakteristika segmentov čitateľov pomocou preferovaných tém článkov. Kombináciou techniky hĺbkovej analýzy textu a zhlukovej analýzy poskytuje práca nový pohľad na segmentáciu v oblasti webovej analytiky.

PARMOVÁ, Bianka: Segmentácia online čitateľov pomocou hĺbkovej analýzy textu (v jazyku R). – Ekonomická univerzita v Bratislave. Fakulta hospodárskej informatiky; Katedra štatistiky. – doc. Ing. Mária Vojtková, PhD. – Bratislava: FHI EU, 2016, 91 s. Cieľom záverečnej práce je segmentácia čitateľov spravodajského webu pomocou hĺbkovej analýzy textu. Využitím Latentnej Dirichletovej alokácie sú z kľúčových slov článkov extrahované ich témy, ktoré sú následne použité na charakteristiku segmentov čitateľov. Práca je rozdelená do štyroch kapitol. Obsahuje 5 schém, 11 tabuliek, 6 výstupov, 1 graf a 2 prílohy. Prvá kapitola je venovaná charakteristike súčasného stavu v oblasti analýzy textu a webovej analytiky. Nasledujúca kapitola sa zaoberá formuláciou hlavného cieľa spolu s parciálnymi cieľmi diplomovej práce. Tretia kapitola popisuje metodiku práce, zameriava sa na popis metód predspracovania textových údajov, latentnej Dirichletovej alokácie a zhlukovej analýzy. V záverečnej kapitole sú spracované jednotlivé kroky aplikácie týchto metód v jazyku R spolu s interpretáciou dosiahnutých výsledkov práce. Výsledkom riešenia danej problematiky je identifikácia tém článkov spravodajského webu a následná charakteristika segmentov čitateľov pomocou preferovaných tém článkov. Kombináciou techniky hĺbkovej analýzy textu a zhlukovej analýzy poskytuje práca nový pohľad na segmentáciu v oblasti webovej analytiky.

Diskusia k vedeckej práci:

Dostupnosť diplomovej práce:

Diplomovú prácu poskytne autor na záujemcom na požiadanie (pošlite autorovi správu cez doleuvedený formulár).

Diplomovú prácu si môžete stiahnuť z nášho portálu:
zdroj/3839.pdf 1 527 310 B.

Plný text diplomovej práci je k dispozícii na internete:
www.crzp.sk/ crzpopacxe?fn=*recview&uid=1460510&pageId=main&full=0#

Diplomová práca sa nachádza v knižnici tejto vysokej školy:
Ekonomická univerzita Bratislava - Fakulta hospodárskej informatiky - Katedra štatistiky

Ekonomická univerzita v Bratislave, Slovenská ekonomická knižnica
Dolnozemská cesta 1
Bratislava 5
852 35
http://www.sek.euba.sk/

Kontakt na autora diplomovej práce

Správa pre diplomanta/autora:

Bezpečnostný kód:
Kontrola
 

Podobné diplomové práce

Bibliografický odkaz

PARMOVÁ, Bianka: Segmentácia online čitateľov pomocou hĺbkovej analýzy textu (v jazyku R) [ Diplomová práca ] Ekonomická univerzita Bratislava, Fakulta hospodárskej informatiky, Katedra štatistiky. Školiteľ: doc. Ing. Mária Vojtková, PhD.. Rok obhajoby: 2016

Diploma Thesis:

Segmentation of online redears using text mining technique in R

Bianka Parmová (Supervisor: doc. Ing. Mária Vojtková, PhD.) | added: 20. septembra 2016

Abstract of diploma thesis:

The aim of this diploma thesis is to create segments of online news readers using text mining.

PARMOVÁ, Bianka: Segmentation of online readers using text mining technique in R. – University of Economics in Bratislava. Faculty of Economic Informatics; Department of Statistics: – doc. Ing. Mária Vojtková, PhD. – Bratislava: FHI EU, 2016, 91 p. The aim of this diploma thesis is to create segments of online news readers using text mining. A text mining technique, Latent Dirichlet allocation, is applied to articles’ keywords in order to extract their topics, which are afterwards used to describe the segments of readers. The thesis is divided into four chapters. It contains 5 schemas, 11 tables, 6 outputs, 1 chart and 2 annexes. The first chapter focuses on the current state of knowledge within the fields of text analytics and web analytics. The next chapter formulates the main aim along with the partial aims of the thesis. The third chapter discusses methods used for the purposes of this thesis, it describes text data preprocessing methods, followed by Latent Dirichlet allocation and cluster analysis. The last chapter describes the steps of these methods’ application in R along with the interpretation of the results. The outcome of the analysis is the discovery of news articles’ latent topics followed by the description of segments based on preferred article topics. With the combination of text mining technique and cluster analysis, this thesis provides a new approach to web analytics segmentation.