1 / 14

Automatické rozpoznávanie štýlu písania v blogoch

Automatické rozpoznávanie štýlu písania v blogoch. Bc. Martin Virik, DPII Vedúci projektu: Ing. Marián Šimko. Divoké blogy. Veľká rôznorodosť vo veľkom množstve. Voľne vznikajúce štýly a žánre Filtrovanie žánrov s nízkou informačnou hodnotou Sledovanie nálad a záujmov blogerov

feo
Download Presentation

Automatické rozpoznávanie štýlu písania v blogoch

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Automatické rozpoznávanie štýlu písania v blogoch Bc. Martin Virik, DPII Vedúci projektu: Ing. Marián Šimko

  2. Divoké blogy • Veľká rôznorodosť vo veľkom množstve • Voľne vznikajúce štýly a žánre • Filtrovanie žánrov s nízkou informačnou hodnotou • Sledovanie nálad a záujmov blogerov • Podpora vyhľadávania a odporúčania

  3. Triedenie štýlov a žánrov • Súčasné trendy: • Informatívne (neosobné) • návody, recepty, správy, ... • triedenie podľa témy • Subjektívne (osobné) • denníky, komentáre, príbehy, zážitky ... • triedenie podľa prevládajúcich emócií

  4. Subjektívne – naše rozdelenie • V dvoch rovinách • úvahový vs. rozprávací štýl • autor sa zameriava buď na vyjadrenie názoru alebo na vyrozprávanie príbehu • obe z nich môžu obsahovať prvky toho druhého • emocionálny vs. racionálny štýl • blogeri zvyknú buď bezprostredne reagovať na horúce udalosti a zážitky z dňa alebo písať s chladnou hlavou

  5. Subjektívne – naše rozdelenie I II Komentáre, úvahy, ucelené myšlienky Krátke reakcie na spoločenské udalosti III IV Dlhšie príbehy z dovoleniek, školy, detstva ... Krátke reakcie na zážitky z dňa

  6. Experiment s používateľmi • Cieľ overiť zrozumiteľnosť rozdelenia a získať úvodnú vzorku dát • Získaných 200 zatriedených článkov z blog.sme.sk od 20 účastníkov

  7. Analýza textu • Lexikálna a morfologická • Počet slov a unikátnych lém • Frekvencia podstatných a prídavných mien, zámen a slovies • Pomer plnovýznamových a neplnovýznamových slovných druhov • Frekvencia výskytu sekvencií slov bez významu (Tak a to je teda...)

  8. Analýza textu • Syntaktická a štrukturálna • Pomer jednoduchých viet a súvetí • Priemerný počet viet v súvetí • Prevládajúci čas, osoba a číslo kandidátov na prísudok • Štandardné rozdelenie veľkosti odstavcov • Hustota odkazov, obrázkov

  9. Navrhovaný klasifikátor • Úloha priradiť článku jednu zo 6 tried informatívny Klasifikátor I II III IV nezaraditeľný

  10. Navrhovaný klasifikátor • Článok -> 28-rozmerný vektor • Filtrovanie článkov a výber atribútov • 3 binárne klasifikačné algoritmy • Strojové učenie • Naive Bayes • Support Vector Machine • Algoritmus k–najbližších susedov • 10–fold cross–validation • Sériové spájanie klasifikátorov

  11. Navrhovaný klasifikátor

  12. Implementácia – súčasný stav • Implementované získavanie hlavných 28 atribútov z textu v slovenskom jazyku • Pomocou nástroja Weka implementované vyberanie atribútov a jednotlivé klasifikačne algoritmy

  13. Implementácia – ďalšie kroky • Získať podstatne väčšiu ohodnotenú vzorku článkov • Filter článkov • fotoblogy, videoblogy, články v nárečí ... • Implementovať a testovať jednotlivé klasifikátory • Implementovať a testovať celý klasifikátor • Udržiavať zoznam atribútov relevantný • Sledovať zmenu štýlov v čase

  14. Zhrnutie • Triedenie štýlov písania ako príspevok k spoznávaniu živého webu • Ďalšie delenie subjektívnych blogov v dvoch rovinách • úvahový–rozprávací • emocionálny–racionálny • Efektívne triedenie blogov pomocou analýzy neobsahových, jazykových vlastností textu

More Related