Zpracování toků krátkých textů v reálném čase

Abstract

Práce se zabývá zpracováním komentářů u on-line živých vysílání pro usnadnění interakce. Je cílem formou experimentu prozkoumat a vyzkoušet současné možnosti shlukování proudů textu. Byla provedena rešerše existujících algortimů a implementací a na ní navazující řešení, kde předzpracování textů je realizováno v jazyce python za použití knihoven Gensim a NLTK a shlukování textů realizované v javovém frameworku pro strojové učení nad toky dat MOA.

Topic of this thesis is processing of on-line live streams comments to enable better interaction. The focus is to do a research of existing stream clustering algorithms and experimentally try them on real data. In the thesis is a research of existing algorithms and implementations and a solution, where text is preprocessed in programming language python with the use of libraries NLTK and Gensim and clustering performed in java framework for stream learning MOA.