Tato diplomová práce se zabývá získáváním informací z HTML dokumentů. V práci jsou vysvětleny postupy a metody dolování dat a jsou zde popsány rozdíly mezi jednotlivými typy HTML stránek z pohledu získávání dat. Dále práce obsahuje návrh a realizaci vytvořené aplikace pro získávání informací z HTML dokumentů. Součástí práce je také prezentace dosažených výsledků a srovnání s dalšími dostupnými nástroji pro získávání dat. Zmíněny jsou také možnosti využití a přínosy data miningu v praxi.
Annotation in English
This master thesis deals with the information extraction from HTML documents. In thesis are explains procedures and methods of data mining and describes the differences between the types of HTML pages from the perspective of data mining. The thesis includes design and implementation of developed application for the information extraction from HTML documents. The thesis also contains presentation of the results and comparison with other available tools for data mining. Mentioned are also possible uses and benefits of data mining in practice.
Keywords
data mining, metody dolování dat, extrakce informace, získávání znalostí, HTML dokumenty, jazyk C#
Keywords in English
data mining, data mining methods, information extraction, knowledge discovery, HTML documents, C# language
Length of the covering note
55 s. (71 666 znaků)
Language
CZ
Annotation
Tato diplomová práce se zabývá získáváním informací z HTML dokumentů. V práci jsou vysvětleny postupy a metody dolování dat a jsou zde popsány rozdíly mezi jednotlivými typy HTML stránek z pohledu získávání dat. Dále práce obsahuje návrh a realizaci vytvořené aplikace pro získávání informací z HTML dokumentů. Součástí práce je také prezentace dosažených výsledků a srovnání s dalšími dostupnými nástroji pro získávání dat. Zmíněny jsou také možnosti využití a přínosy data miningu v praxi.
Annotation in English
This master thesis deals with the information extraction from HTML documents. In thesis are explains procedures and methods of data mining and describes the differences between the types of HTML pages from the perspective of data mining. The thesis includes design and implementation of developed application for the information extraction from HTML documents. The thesis also contains presentation of the results and comparison with other available tools for data mining. Mentioned are also possible uses and benefits of data mining in practice.
Keywords
data mining, metody dolování dat, extrakce informace, získávání znalostí, HTML dokumenty, jazyk C#
Keywords in English
data mining, data mining methods, information extraction, knowledge discovery, HTML documents, C# language
Research Plan
Definujte předpokládané výstupy práce.
Proveďte literární rešerši pokročilých data miningových metod zaměřených na prostředí HTML kódu.
Formou projektu navrhněte způsob a aplikaci dataminingových metod pro řešení tématu.
Realizujte zvolené řešení.
Proveďte jeho vyhodnocení.
Research Plan
Definujte předpokládané výstupy práce.
Proveďte literární rešerši pokročilých data miningových metod zaměřených na prostředí HTML kódu.
Formou projektu navrhněte způsob a aplikaci dataminingových metod pro řešení tématu.
Realizujte zvolené řešení.
Proveďte jeho vyhodnocení.
Recommended resources
HAN, Jiawei a Micheline KAMBER. Data Mining: Concepts and Techniques. Second Edition. San Francisco: Morgan Kaufmann Publishers, 2006, 770 s. ISBN 1-55860-901-6.
FELDMAN, Ronen a James SANGER. The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. New York: Cambridge University Press, 2007, 410 s. ISBN 0-521-83657-3.
BERRY, Michael W. (editor) a Jacob KOGAN (editor). Text Mining: Applications and Theory. Chichester: Wiley, 2010, 207 s. ISBN 978-0-470-74982-1.
BERKA, Petr. Dobývání znalostí z databází. 1. vydání. Praha: Academia, 2003, 366 s. ISBN 80-200-1062-9.
ZENDULKA, Jaroslav, Vladimír BARTÍK, Roman LUKÁŠ a Ivana RUDOLFOVÁ. Získávání znalostí z databází. Brno, 2009. Studijní opora. FIT VUT v Brně.
LIU, Bing. Web data mining: exploring hyperlinks, contents, and usage data. Berlin: Springer, 2007, 532 s. ISBN 978-354-0378-815.
Recommended resources
HAN, Jiawei a Micheline KAMBER. Data Mining: Concepts and Techniques. Second Edition. San Francisco: Morgan Kaufmann Publishers, 2006, 770 s. ISBN 1-55860-901-6.
FELDMAN, Ronen a James SANGER. The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. New York: Cambridge University Press, 2007, 410 s. ISBN 0-521-83657-3.
BERRY, Michael W. (editor) a Jacob KOGAN (editor). Text Mining: Applications and Theory. Chichester: Wiley, 2010, 207 s. ISBN 978-0-470-74982-1.
BERKA, Petr. Dobývání znalostí z databází. 1. vydání. Praha: Academia, 2003, 366 s. ISBN 80-200-1062-9.
ZENDULKA, Jaroslav, Vladimír BARTÍK, Roman LUKÁŠ a Ivana RUDOLFOVÁ. Získávání znalostí z databází. Brno, 2009. Studijní opora. FIT VUT v Brně.
LIU, Bing. Web data mining: exploring hyperlinks, contents, and usage data. Berlin: Springer, 2007, 532 s. ISBN 978-354-0378-815.