Dolovn znalost z textovch dat souvisejc s migran
- Slides: 14
Dolování znalostí z textových dat související s migrační krizí Bakalářská práce Autor: Filip Koukal Vedoucí práce: doc. Ing. František Dařena, Ph. D.
Osnova • Cíl práce • Stanovení experimentů • Metodika experimentů • Postoj čtenářů vůči klíčovým slovům • Nalezená témata • Časový vývoj vybraných témat • Závěr 2
Cíl práce • Vyhledání zajímavých a smysluplných informací • využití technik strojového učení • Textová data ve formě internetových článků • texty článků a doprovázející komentáře • zdroj zpravodajský server idnes. cz 3
Stanovení experimentů 1. Posouzení názoru čtenářů vůči klíčovým slovům • práce s komentáři • zvolení klíčových slov • postoj průměrného čtenáře článku 2. Shlukování odstavců novinových článků • rozdělení do několika skupin 3. Pojmenování získaných shluků • pojmenované shluky se přeměňují na nalezená témata • název musí být čitelný a smysluplný 4
Metodika experimentů • Model Word 2 Vec • přeměna nestrukturovaných dat na vektory • zachování kontextu • Shlukování • k-means algoritmus • využití „elbow“ metody pro optimální k • Pojmenování shluků • • charakterizující slova podle Word 2 Vec charakterizující slova podle Chí kvadrátu charakterizující odstavce manuální vytvoření jména 5
Postoj čtenářů vůči klíčovým slovům Zkoumané slovo Slova využitá v podobném kontextu muslim mohamedán, terorista migrace invaze, islamizace migranti ilegálové, nelegálové, připrchlíci přistěhovalci přivandrovalci islámista terorista, radikál, džihádista 6
Nalezená témata Útoky uprchlíků České volby Peníze Války na Blízkém východě Útoky extrémistů Uprchlíci na pobřeží Evropy Policejní vyšetřování Diskuze o víře Žádosti o azyl Zahraniční vůdci EU debaty Cizí jazyk Rodiny uprchlíků Změny v počtech obyvatel Příliv uprchlíků do EU Soudní posudky Kultura Zahraniční volby v EU Vládní dotace Země uprchlíků Území postižené válkou Překračování hranic Přizpůsobení uprchlíků Reportáže médií 7
Časový vývoj témat EU debaty a Příliv uprchlíků do EU EU debaty Příliv uprchlíků do EU 350 Počet odstavců 300 250 200 150 100 50 0 Январь 2015 Январь 2016 Январь 2017 Měsíc Январь 2018 Январь 2019 8
Časový vývoj témat Útoky uprchlíků a Překračování hranic 600 Útoky uprchlíků Překračování hranic Počet odstavců 500 400 300 200 100 0 Июль 2014 Июль 2015 Июль 2016 Měsíc Июль 2017 Июль 2018 9
Počet odstavců Časový vývoj témat Žádosti o azyl a Změny v počtech obyvatel 200 180 160 140 120 100 80 60 40 20 0 Январь 2010 Žádosti o azyl Změny v počtech obyvatel Январь 2011 Январь 2012 Январь 2013 Январь 2014 Январь 2015 Měsíc Январь 2016 Январь 2017 Январь 2018 Январь 2019 10
Závěr • Identifikován postoj čtenářů vůči klíčovým slovům • Nalezena a charakterizována témata • Zkoumán průběh a vztah témat v čase • Cíl byl úspěšně splněn 11
Děkuji za pozornost
Jaké jsou možnosti, které by mohly zlepšit kvalitu získaných výsledků a zjednodušit jejich interpretaci? 13
Proč byl vybrán zpravodajský portál idnes. cz? 14