Klasifikace obsahu dokumentů

• Thesis title in Czech: Klasifikace obsahu dokumentů
• Thesis title in English: Classification of document contents
• Academic year of topic announcement: 2007/2008
• Thesis type: Bachelor's thesis
• Thesis language: čeština
• Department: Department of Applied Mathematics (32-KAM)
• Supervisor: Mgr. Martin Mareš, Ph.D.
• Author: hidden - assigned and confirmed by the Study Dept.
• Date of registration: 06.11.2007
• Date of assignment: 06.11.2007
• Date and time of defence: 15.09.2009 00:00
• Date of electronic submission: 15.09.2009
• Date of proceeded defence: 15.09.2009
• Opponents: RNDr. Johanka Spoustová, Ph.D.

Guidelines

Cílem práce je prozkoumat algoritmy pro obsahovou klasifikaci webových stránek založené na statistických modelech používaných v komputační lingvistice a také na provázanosti dokumentů odkazy. Součástí práce by měl být empirický test navržené klasifikační metody na reálných datech.

References

Page L., Brin S., Motwani R., and Winograd T. The PageRank Citation Ranking: Bringing Order to the Web. Technical report, Department of Computer Science, Stanford University, 1998.
Santini M. Identifying Genres of Web Pages, TALN 2006 - Natural Language Processing: April 10-12, 2006 in Leuven.