Nástroje a postupy pro žurnalistiku nové generace

Abstract

Tato práce popisuje praktické nasazení přístupů z oblasti strojového učení v oboru online žurnalistiky. Zabývá se sběrem, zpracováním a dalším použitím textových dat, sociálních signálů a dat z analytických systémů pro sledování návštěvnosti webů. Systém je následně schopen personalizovat sledování světového dění - aktuálně populární témata a události - a navíc predikovat budoucí popularitu jednotlivých témat. K tomu používá nástroj pro obsahové doporučování, který netriviálním způsobem kombinuje s ná- strojem prediktivního modelování.

This thesis deals with practical implementation of the methods used in the field of machine learning into the area of online journalism. It explains collection, processing and further usage of text data, social signals and data received from analytic systems for web traffic monitoring. The system described in the thesis is able to personalize the process of following the development of up-to-date world events - topics and events that are currently popular - as well as to predict potential popularity of individual topics in the future. For this purpose it uses a tool for content recommendation, which is combined with a tool for predictive modelling in a nontrivial manner.