Použití umělých neuronových sítí v Javě pro úlohu rozpoznání falešných zpráv

Informace o vysokoškolské kvalifikační práci

Název práce:
Použití umělých neuronových sítí v Javě pro úlohu rozpoznání falešných zpráv
Autor práce:
Vávra, Marek
Typ práce:
Bakalářská práce / Bakalářská práce
Vedoucí práce:
Zamazal, Ondřej
Osoba oponující práci:
Vacura, Miroslav
Jazyk práce:
Česky
Abstrakt:
Umělé neuronové sítě se v poslední době dostávají do popředí zájmu v oblasti strojového učení. Používání konvolučních a rekurentních architektur umožnuje jejich efektivní použití v různých úlohách dolování z dat. Jednou z úloh je i klasifikace falešných zpráv, jejichž prudký nárůst v posledních letech vedl k nutnosti nalezení nových metod, jak je klasifikovat a zabránit jejich šíření. Touto oblastí se zaobírá i tato práce a má několik cílů. V teoretické rovině jsou jimi představení oblasti dolování z dat (data mining), představení umělých (hlubokých) neuronových sítí obecně a v prostředí Javy a představení aplikační oblasti. Tyto cíle jsou řešeny rešerší související literatury. V teoretické části práce je nejdříve vymezena oblast dolování z dat, následují umělé neuronové sítě a jejich implementace v Javě. V závěru teoretické části je představena aplikační oblast falešných zpráv. Praktickými cíli práce jsou navrhnout a realizovat model umělé neuronové sítě v Javě pro klasifikační úlohu z aplikační oblasti falešných zpráv a porovnat a vyhodnotit dosažené výsledky oproti dalším vybraným metodám z dobývání znalostí z databází. Realizovány byly modely využívající konvoluční a rekurentní architektury. Pro implementaci byla použita knihovna Deeplearning4j v programovacím jazyce Java. Praktická část se zaobírá nutnými kroky předzpracování dat pro použití v neuronových sítích. Navazuje návrh a realizace použitých modelů pro klasifikaci falešných zpráv. Jedná se o 3 různé rekurentní modely a 2 konvoluční. Na závěr jsou výsledky klasifikace porovnány s výsledky vybraných metod dobývání znalostí z databází. Pro tuto klasifikační úlohy dosahovaly lepších výsledků rekurentní modely s úspěšností 75%, konvoluční modely dosáhly úspěšnosti klasifikace 68%.
Klíčová slova:
rekurentní neuronová síť; Deeplearning4j; konvoluční neuronová síť; umělé neuronové sítě; falešné zprávy; klasifikace textu

Informace o studiu

Studijní program a Studijní obor:
Aplikovaná informatika/Aplikovaná informatika
Typ studijního programu:
Bakalářský studijní program
Jméno přidělované hodnosti:
Bc.
Instituce přidělující hodnost:
Vysoká škola ekonomická v Praze
Název fakulty:
Fakulta informatiky a statistiky
Název katedry:
Katedra informačního a znalostního inženýrství
Instituce archivující a zpřístupňující VŠKP:
Vysoká škola ekonomická v Praze

Informace o odevzdání a obhajobě

Datum zadání práce:
7. 10. 2019
Datum podání práce:
11. 5. 2020
Datum obhajoby:
16.06.2020

Soubory ke stažení

Hlavní práce:
69280_vavm05.pdf [1,50 MB]
Oponentura:
65545_vacuram.pdf [62,64 kB]
Hodnocení vedoucího:
69280_svabo.pdf [66,46 kB]

Údaje ze systému InSIS

Identifikátor:
https://insis.vse.cz/zp/69280/podrobnosti