Výkonnost cloudových platforem při určení sentimentu
Autor(ka) práce:
Dvořák, Daniel
Typ práce:
Bakalářská práce
Vedoucí práce:
Gála, Libor
Oponenti práce:
Karkošková, Soňa
Jazyk práce:
Česky
Abstrakt:
Cílem této bakalářské práce je provést experimentální analýzu výkonnosti různých cloudových platforem zaměřených na určení sentimentu v příspěvcích na sociálních a jiných sítích. Práce se zaměří na hodnocení efektivity, spolehlivosti a škálovatelnosti těchto platforem podle stanovených kritérií a identifikaci jejich silných a slabých stránek. Jako vedlejší cíl bude zkoumán vliv různých modelů určení sentimentu na výsledky analýzy. Experiment bude proveden s minimálně třemi různými cloudovými platformami a s použitím minimálně tří různých modelů určení sentimentu na minimálně pěti datových sadách. Výsledky budou prezentovány a interpretovány s cílem poskytnout ucelený pohled na analýzu sentimentu v kontextu sociálních médií či dalších sítí a zhodnotit účinnost cloudových technologií pro tuto úlohu. Práce přispěje k hlubšímu pochopení, jak lze cloudové nástroje využít k efektivnímu zpracování velkých objemů dat a přesnému určení sentimentu v sociálních médiích.
Klíčová slova:
cloud; sentiment; strojové učení; Přirozené zpracování jazyka; analýza sentimentu
Název práce:
Performance of cloud platforms in sentiment analysis
Autor(ka) práce:
Dvořák, Daniel
Typ práce:
Bachelor thesis
Vedoucí práce:
Gála, Libor
Oponenti práce:
Karkošková, Soňa
Jazyk práce:
Česky
Abstrakt:
The objective of this bachelor’s thesis is to conduct an experimental analysis of the performance of various cloud platforms designed to determine sentiment in social media posts. The study will focus on assessing the efficiency, reliability, and scalability of these platforms based on predefined criteria and identifying their strengths and weaknesses. As a secondary objective, the influence of different sentiment analysis models on the results will be explored. The experiment will be conducted with at least three different cloud platforms and will use at least three different sentiment analysis models across at least five datasets. The results will be presented and interpreted to provide a comprehensive overview of sentiment analysis in the context of social media and others sites and evaluate the effectiveness of cloud technologies for this task. This thesis aims to contribute to a deeper understanding of how cloud-based tools can be utilized for efficient processing of large volumes of data and accurate sentiment analysis in social media.
Klíčová slova:
Natural language processing; cloud; sentiment; sentiment analysis; machine learning