Dobývání znalostí z webu web mining
|
|
- Martin Kadlec
- před 8 lety
- Počet zobrazení:
Transkript
1 Dobývání znalostí z webu web mining Web Mining is is the application of data mining techniques to discover patterns from the Web (Wikipedia) Tři oblasti: Web content mining (web jako kolekce dokumentů) analogie s text mining Web structure mining (web jako graf) Web usage mining (web jako dálnice na které probíhá provoz) P. Berka, /13
2 Obsah webu (web content mining) Cílem získat znalosti na základě webovských stránek chápaných jako dokumenty (tedy jako text mining): vyhledávání a metavyhledávání (tj. hledání stránek relevantních k dotazu uživatele), kategorizace dokumentů (shlukování stránek podle obsahu) nebo filtrování (tj. rozpoznání stránek relevantních k uživatelově profilu), dobývání znalostí skrytých ve stránkách (extrakce informací nebo zodpovídání dotazů). 1. vyhledávání P. Berka, /13
3 2. metavyhledávání simultánní přístup k více (klasickým) vyhledávacím strojům: přístup k vyhledávacím systémům neznámým pro uživatele jednotný interface následné zpracování nalezených odkazů All-in-one: seznam vyhledávačů P. Berka, /13
4 MetaCrawler: použití více (všech známých) vyhledávačů SavvySearch: použití více (některých) vyhledávačů P. Berka, /13
5 HuskySearch: shlukování nalezených dokumentů AskJeeves: báze přímých odpovědí P. Berka, /13
6 3. extrakce informací named entity recognition comparison shopping - podpora nakupování na Internetu (hledání cenově nejvýhodnější nabídky v on-line katalozích) Netbot Jango P. Berka, /13
7 Struktura webu (web structure mining) web jako graf, kde uzly jsou dokumenty (stránky) a hrany jsou vazby (odkazy) mezi stránkami. HITS (Kleinberg, 1998) hubs (rozcestníky) a authorities (autority) a(p) := q h(q) p h(p) := p a(q) rekurzivní algoritmus počítající obě hodnoty (pouze) pro stránky získané jako výsledek konkrétního vyhledávání (systém Clever). q Nalezením rozcestníků a autorit můžeme redukovat část webu pokrývající dané téma do podoby bipartitního grafu. P. Berka, /13
8 PageRank (Brin, Page, 1998) webové stránky bodovány, hodnocení každé stránky je dáno hodnocením stránek, které na tuto stránku odkazují PR ( A) (1 d) d PR( Ti ) C( T ) i... PR( Tn ) C( T ) n kde: A je stránka, pro kterou se počítá PageRank T i jsou stránky odkazující na stránku A C(T i ) je počet odkazů na stránce T i d je tlumící faktor rekurzivní algoritmus počítající hodnotu pro všechny webové stránky (Google) Webové komunity P. Berka, /13
9 Využívání webu (web usage mining) Web jako prostor, ve kterém uživatelé prohlížejí jednotlivé stránky 1. analýza web server logů (časová data, sekvence navštívených stránek) remotehost rfc931 Auth user [date] "request" status bytes bacuslab.pr.mcs.net - - [01/Jan/1997:12:57: ] "GET /~bacuslab/ HTTP/1.0" bacuslab.pr.mcs.net - - [01/Jan/1997:12:57: ] "GET /~bacuslab/bulleta.gif HTTP/1.0" bacuslab.pr.mcs.net - - [01/Jan/1997:12:57: ] "GET /~bacuslab/ 4.gif HTTP/1.0" [01/Jan/1997:13:06: ] "GET /~bacuslab HTTP/1.0" [01/Jan/1997:13:06: ] "GET /~bacuslab/ HTTP/1.0" [01/Jan/1997:13:06: ] "GET /~bacuslab/bli_logo.jpg HTTP/1.0" [01/Jan/1997:13:06: ] "GET /~bacuslab/bulleta.gif HTTP/1.0" [01/Jan/1997:13:06: ] "GET /~bacuslab/ 4.gif HTTP/1.0" Předzpracování nalezení clickstreamů, sekvencí stánek navštívených jedním uživatelem během jedné seance např. Discovery Challenge ECML/PKDD 2005 unix time ;IP address ; session ID ; page request; referee ; ; e8a0a4d7a;/dp/?id=124 ; ; ;3995b2c0599f1782;/dp/?id=182 ; ; ;2fd3213f2edaf82b;/ ; ; ; e8a0a4d7a;/dp/?id=148 ;/dp/?id=124; ; ; e8a0a4d7a;/sb/ ;/dp/?id=148; ; ;2fd3213f2edaf82b;/contacts/ ; /; ; ; e8a0a4d7a;/sb/ ;/sb/; clickstream pro typ stránky: dp,dp,dp,sb,sb clickstream pro produkt: 124,182,148 segmentace nabízených produktů P. Berka, /13
10 asociace mezi navštívenými stránkami lidé používající fulltextové vyhledávání se méně dívají na detaily zboží P. Berka, /13
11 predikce následující stránky - lze na základě pozorované sekvence A 1 A 2 A n-1 určit následující stránku A n? markovský model P( A A pravidla dp, sb -> sb (0.93) podobnost mezi sekvencemi n An ) P( Ai Ai k 1... Ai 1) i 1 segmentace návštěvníků P. Berka, /13
12 2. analýza nákupního košíku internetových obchodů 3. recommender systems systémy, které doporučují (co koupit, jaké stránky navštívit apod.) na základě chování podobné skupiny návštěvníků collaborative filtering amazon P. Berka, /13
13 MovieLens last.fm P. Berka, /13
znalostí z databází- mnohostranná interpretace dat
Dobývání znalostí z databází- mnohostranná interpretace dat Petr Berka VŠE Praha berka@vse vse.cz Dobývání znalostí z databází Non-trivial process of identifying valid, novel, potentially useful and ultimately
VíceUživatelská podpora v prostředí WWW
Uživatelská podpora v prostředí WWW Jiří Jelínek Katedra managementu informací Fakulta managementu Jindřichův Hradec Vysoká škola ekonomická Praha Úvod WWW obsáhlost obsahová i formátová pestrost dokumenty,
VíceZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ
metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných
VíceText Mining: SAS Enterprise Miner versus Teragram. Petr Berka, Tomáš Kliegr VŠE Praha
Text Mining: SAS Enterprise Miner versus Teragram Petr Berka, Tomáš Kliegr VŠE Praha Text mining vs. data mining Text mining = data mining na nestrukturovaných textových dokumentech otázka vhodné reprezentace
VíceDobývání znalostí z textů text mining
Dobývání znalostí z textů text mining Text mining - data mining na nestrukturovaných textových dokumentech 2 možné přístupy: Předzpracování dat + běžné algoritmy pro data mining Speciální algoritmy pro
VíceIDENTIFIKACE AUTOMATICKÝCH PŘÍSTUPŮ INTERNETOVÝCH OBCHODŮ S VYUŽÍTÍM METOD WEB USAGE MININGU
IDENTIFIKACE AUTOMATICKÝCH PŘÍSTUPŮ INTERNETOVÝCH OBCHODŮ S VYUŽÍTÍM METOD WEB USAGE MININGU Jana Filipová, Karel Michálek, Pavel Petr Ústav systémového inženýrství a informatiky, Fakulta ekonomicko-správní,
VíceDiplomová práce. Univerzita Karlova v Praze Matematicko-fyzikální fakulta
Univerzita Karlova v Praze Matematicko-fyzikální fakulta Diplomová práce Václav Koudelka Sémantická personalizace Katedra softwarového inženýrství Vedoucí diplomové práce: RNDr. Filip Zavoral, Ph.D. Studijní
VíceDETEKCE ANOMÁLNÍHO CHOVÁNÍ UŽIVATELŮ KATASTRÁLNÍCH MAPOVÝCH SLUŽEB
DETEKCE ANOMÁLNÍHO CHOVÁNÍ UŽIVATELŮ KATASTRÁLNÍCH MAPOVÝCH SLUŽEB VYSOKÁ ŠKOLA BÁŇSKÁ - TECHNICKÁ UNIVERZITA OSTRAVA Hornicko-geologická fakulta Institut geoinformatiky Ostrava 2014 Autorka: Bc. Radka
VíceZákladní informace o světových, českých a čínských vyhledávačích, seznámení s RSS technologií
Základní informace o světových, českých a čínských vyhledávačích, seznámení s RSS technologií GOOGLE Nejpoužívanější vyhledávač na světě Googol je matematický termín pro číslo 1 se 100 nulami Zakladatelé
VíceMetadata, sémantika a sémantický web. Ing. Vilém Sklenák, CSc.
Metadata, sémantika a sémantický web Ing. Vilém Sklenák, CSc. Inforum 2004, Praha, 27. 5. 2004 2/21 There are things we know that we know. There are known unknowns that is to say, there are things that
Více14,819 (5.84 Stránky/Návštěva) Čvn 2014. Kvě 2014. Čvc 2014. Srp 2014
tatistiky domény sachove-prenosy.cz (-05) - main http://stats.radym.savana-hosting.cz/sachove-prenosy.cz/-05/cz/?... Statistiky domény: sachove-prenosy.cz Poslední aktualizace: 12-02:05 Zobrazený časový
VíceBA_EM Electronic Marketing. Pavel
BA_EM Electronic Marketing Pavel Kotyza @VŠFS Agenda Efektivní data mining jako zdroj relevantních dat o potřebách zákazníků Co je data mining? Je absolutní Je předem neznámý Je užitečný Co jsou data?
VíceSEO Optimalizace pro vyhledávače
Jan Tichý E-mail: tichy@h1.cz Twitter: @jantichy +420 271 752 042 info@h1.cz www.h1.cz Cesty k dosahování cílů webu PPC Bannery E-mailing Přirozené výsledky Zpětné odkazy Silná značka Affiliate Offline
VíceZ HISTORIE SPOLEČNOSTI
FENOMÉN GOOGLE Z HISTORIE SPOLEČNOSTI Vyhledávač navrhli Sergey Brin a Larry Page v rámci svého výzkumu na Stanfordově univerzitě v Kalifornii, 1995 Jejich záměrem bylo najít lepší způsob, jak se orientovat
VíceInternet 2 css, skriptování, dynamické prvky
Internet 2 css, skriptování, dynamické prvky Martin Hejtmánek hejtmmar@fjfi.cvut.cz http://kmlinux.fjfi.cvut.cz/ hejtmmar Počítačový kurs Univerzity třetího věku na FJFI ČVUT Znalci 26. března 2009 Dnešní
VíceWeb 2.0, Search 2.0 jak se to rýmuje?
Web 2.0, Search 2.0 jak se to rýmuje? Vilém Sklenák sklenak@vse.cz Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního inženýrství Inforum2008, 29. 5. 2008 Vilém
VíceWeb 2.0 vs. sémantický web
Web 2.0 vs. sémantický web Vilém Sklenák sklenak@vse.cz Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního inženýrství Inforum2007, 24. 5. 2007 Vilém Sklenák
Vícepomocí hodnoty TFIDF (term frequency inverse document frequency) 4
10. Nové směry V drtivé většině se databázemi ze kterých se dobývají znalosti myslí relační databáze (jedna nebo více). U těchto databází se předpokládá vzájemná nezávislost záznamů z hlediska pořadí v
VíceUniverzita Pardubice Fakulta ekonomicko správní Modelování predikce časové řady návštěvnosti web domény pomocí RBF neuronových sítí
Univerzita Pardubice Fakulta ekonomicko správní Modelování predikce časové řady návštěvnosti web domény pomocí RBF neuronových sítí Bc. Kateřina Štěpánková Diplomová práce 2011 Prohlašuji: Tuto práci
VíceVyhledávání informací v prostředí webu mírný pokrok v mezích zákona
Vyhledávání informací v prostředí webu mírný pokrok v mezích zákona Vilém Sklenák * sklenak@vse.cz 1 Úvod Abstrakt: Nabídka služeb pro vyhledávání informací je v poslední době poměrně stabilizovaná. Rozšiřování
VíceIMPLEMENTACE A PROVOZ DISCOVERY SYSTÉMU UKAŽ NA UNIVERZITĚ KARLOVĚ. Mgr. Martin Ledínský, Univerzita Karlova , Praha, NTK
IMPLEMENTACE A PROVOZ DISCOVERY SYSTÉMU UKAŽ NA UNIVERZITĚ KARLOVĚ Mgr. Martin Ledínský, Univerzita Karlova 4.10.2016, Praha, NTK 1 ÚVOD Mnoho let se na UK nedařilo zajistit discovery systém, který by
VíceInternetové vyhledávače
Internetové vyhledávače Co je internetový vyhledávač služba, která umožňuje na Internetu najít webové stránky, které obsahují požadované informace uživatel zadává do rozhraní vyhledávače klíčová slova,
VíceVizualizace v Information Retrieval
Vizualizace v Information Retrieval Petr Kopka VŠB-TU Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Obsah Co je Information Retrieval, vizualizace, proces přístupu k informacím Způsoby
VíceUživatelské preference v prostředí webových obchodů. Ladislav Peška, MFF UK
Uživatelské preference v prostředí webových obchodů Ladislav Peška, MFF UK Disclaimer Obsah Uživatelské preference Získávání UP Využití UP Doporučování na webových obchodech Proč doporučovat? Jak doporučovat?
VíceVyužití WWW jako efektivního informačního zdroje
Využití WWW jako efektivního informačního zdroje Jiří Jelínek jelinek@fm.vse.cz Fakulta managementu VŠE, J. Hradec Efektivní vyhledávání nacházení požadovaného s minimem úsilí a nákladů v knihovně: procházet
VíceUniverzita Pardubice Fakulta ekonomicko-správní. Bc. Veronika Buriánková
Univerzita Pardubice Fakulta ekonomicko-správní Modelování predikce časové řady návštěvnosti web domény pomocí dopředných neuronových sítí Bc. Veronika Buriánková Diplomová práce 2011 Prohlášení autora
VíceJÁ DĚLÁM TO SEO DOBŘE,
JÁ DĚLÁM TO SEO DOBŘE, JEN VYHLEDÁVAČE HO ZATÍM NEPOCHOPILY... Prezentace již nyní na http://wwww.eshopkonzultant.cz/ Ing. Jan Kalianko EshopKonzultant.cz KDO JSEM? Sledujte mě: Weby: http://www.eshopkonzultant.cz/
Více6. SEO úvod do problematiky, terminologie, principy. Web pro kodéry (Petr Kosnar, ČVUT, FJFI, KFE, PINF 2008)
6. SEO úvod do problematiky, terminologie, principy Web pro kodéry (Petr Kosnar, ČVUT, Obsah Terminologie Smysl SEO Dlouhý ocas Crawler PageRank S-rank Latent Semantic Indexing (LSI) Trust Rank Sandbox
VíceExperimentální systém pro WEB IR
Experimentální systém pro WEB IR Jiří Vraný Školitel: Doc. RNDr. Pavel Satrapa PhD. Problematika disertační práce velmi stručný úvod WEB IR information retrieval from WWW, vyhledávání na webu Vzhledem
VíceZískávání dat z databází 1 DMINA 2010
Získávání dat z databází 1 DMINA 2010 Získávání dat z databází Motto Kde je moudrost? Ztracena ve znalostech. Kde jsou znalosti? Ztraceny v informacích. Kde jsou informace? Ztraceny v datech. Kde jsou
VíceZískávání znalostí z databází. Alois Kužela
Získávání znalostí z databází Alois Kužela Obsah související pojmy datové sklady, získávání znalostí asocianí pravidla 2/37 Úvod získávání znalostí z dat, dolování (z) dat, data mining proces netriviálního
Více+420 271 752 042 info@h1.cz www.h1.cz
SEO Optimalizace pro vyhledávače Jan Tichý +420 271 752 042 info@h1.cz www.h1.cz Cesty k dosahování cílů webu PPC Bannery E-mailing Přirozené výsledky Zpětné odkazy Silná značka Affiliate Offline reklama
VíceMETODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1
METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ
VíceSearch Engine Marketing jako základní kámen internetové propagace. František Štrupl, H1.cz
Search Engine Marketing jako základní kámen internetové propagace František Štrupl, H1.cz Proč vyhledávače? Google to ví! Východiska Až 80 % návštěvníků webů chodí z vyhledávačů. Návštěvnost z vyhledávačů
VícePRODUKTY Tovek Server 6
Tovek Server je serverová aplikace určená pro efektivní zpracování velkého objemu sdílených strukturovaných i nestrukturovaných dat. Umožňuje automaticky indexovat data z různých informačních zdrojů, intuitivně
VíceDOBÝVÁNÍ ZNALOSTÍ Z DATABÁZÍ
DOBÝVÁNÍ ZNALOSTÍ Z DATABÁZÍ Úvod a oblasti aplikací Martin Plchút plchut@e-globals.net DEFINICE A POJMY Netriviální extrakce implicitních, ch, dříve d neznámých a potenciáln lně užitečných informací z
VíceCSS. SEO Search Engine Optimization (optimalizace pro vyhledávače)
CSS SEO Search Engine Optimization (optimalizace pro vyhledávače) Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Mgr. Marek Čechák. Financováno z ESF a státního rozpočtu ČR. Název školy
VíceHistorie Internetu instalace prvního uzlu společností ARPA
Internet Historie Internetu 1964 návrh sítě firmou RAND síť, ve které jsou všechny uzly rovnocenné (doba studené války mezi Západem a Východem, nutnost výměny informací mezi vojenskými základnami, městy
Vícekupi.cz Michal Mikuš
kupi.cz Michal Mikuš redisgn website kupi.cz, reduce the visual noise. ADVERT ADVERT The first impression from the website was that i dint knew where to start. It was such a mess, adverts, eyes, products,
VíceEXTRAKCE STRUKTUROVANÝCH DAT O PRODUKTOVÝCH A PRACOVNÍCH NABÍDKÁCH POMOCÍ EXTRAKČNÍCH ONTOLOGIÍ ALEŠ POUZAR
EXTRAKCE STRUKTUROVANÝCH DAT O PRODUKTOVÝCH A PRACOVNÍCH NABÍDKÁCH POMOCÍ EXTRAKČNÍCH ONTOLOGIÍ ALEŠ POUZAR PŘEDMĚT PRÁCE Popis extrakce strukturovaných dat ve vybraných doménách ze semistrukturovaných
VíceANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ
ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ 18.11.2012 Radim Tvardek, Petr Bulava, Daniel Mašek U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I Czech Republic PŘEDPOKLADY PRO ANALÝZU NÁKUPNÍHO KOŠÍKU 18.11.2012 Daniel
VíceÍ Č Ý Ó Ó á á á š ž Ť Ť č Í á á ž č Ó čť š š á Č Ť á Í č Í Í á á š š š ť Í Ť č Ť á Č á á ť Í š č Ť Í š š ť š á Ý á š Č ň č č š á č á č á á á č š Ť á ň č ť ň Ť á á á á á č á š á č š č č č Ť č á á á á Ď
VíceSEO PROFIL PŘÍMÁ CESTA K ZÁKAZNÍKŮM
SEO PROFIL PŘÍMÁ CESTA K ZÁKAZNÍKŮM SEO Profil je varianta firemního profilu s optimálně nastavenými potřebami pro menší a střední firmu. Nejedná se o klasický firemní zápis v katalogu firem jako nabízí
VíceModely vyhledávání informací 4 podle technologie. 1) Booleovský model. George Boole 1815 1864. Aplikace booleovské logiky
Modely vyhledávání informací 4 podle technologie 1) Booleovský model 1) booleovský 2) vektorový 3) strukturní 4) pravděpodobnostní a další 1 dokumenty a dotazy jsou reprezentovány množinou indexových termů
VíceTovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale
je serverová aplikace určená pro efektivní zpracování velkého objemu sdílených nestrukturovaných dat. Umožňuje automaticky indexovat data z různých informačních zdrojů, intuitivně vyhledávat informace,
VíceVánoce zvyšte své tržby
L L OPTIMALIZOVÁNO i pro mobily a tablety Vážení obchodní partneři, Představení projektu dovolujeme si Vám představit projekt Vánoční-dárky.cz, který navštěvují lidé se zájmem o nákup vánočních dárků přes
VíceNext-Generation Firewalls a reference
- - Next-Generation Firewalls a reference PA-200 Společnost Palo Alto Networks Světová špička v oblasti síťové bezpečnosti - Společnost založena v roce 2005, první prodej v roce 2007 Zakladatel Next-generation
VíceInovace výuky prostřednictvím šablon pro SŠ
Název projektu Číslo projektu Název školy Autor Název šablony Název DUMu Stupeň a typ vzdělávání Vzdělávací oblast Vzdělávací obor Tematický okruh Inovace výuky prostřednictvím šablon pro SŠ CZ.1.07/1.5.00/34.0748
Více1 z 7 22.3.2010 13:17
Statistika pro fvsm.info (-12) file:///o:/dokumenty/martin/fvsm/export//awstats.fvsm.info.html 1 z 7 22.3.2010 13:17 Statistika pro: fvsm.info Poslední aktualizace: 31 Pro - 23:52 Zobrazený časový úsek:
Vícewww.bydleniprokazdeho.cz
Reklamní formáty na portále BYDLENÍ PRO KAŽDÉHO Firemní zápisy Firemní profil - firemní prezentace zařazené v jednotlivých sekcích dle svého zaměření - skládá se z anotace ve výpisu firem (cca 300 znaků
VíceModely a sémantika. Petr Šaloun VŠB-Technická univerzita Ostrava FEI, katedra informatiky
Modely a sémantika Petr Šaloun VŠB-Technická univerzita Ostrava FEI, katedra informatiky Úvod Existující problémy Prudký nárůst množství informací na webu Kognitivní přetížení Ztráta v informačním prostoru
VíceProhlašuji, že diplomovou práci na téma. jsem vypracoval samostatně. Použitou literaturu a podkladové materiály
Vysoká škola ekonomická v Praze Fakulta managementu v Jindřichově Hradci D i p l o m o v á p r á c e Jan Dvořák 2007 Vysoká škola ekonomická v Praze Fakulta managementu v Jindřichově Hradci Katedra informatiky
VíceZpráva o zhotoveném plnění
Zpráva o zhotoveném plnění Aplikace byla vytvořena v souladu se Smlouvou a na základě průběžných konzultací s pověřenými pracovníky referátu Manuscriptorium. Toto je zpráva o zhotoveném plnění. Autor:
VícePODROBNÝ NÁVOD K OVLÁDÁNÍ MAPOVÝCH APLIKACÍ MĚSTA
PODROBNÝ NÁVOD K OVLÁDÁNÍ MAPOVÝCH APLIKACÍ MĚSTA 1 OBSAH 1. ÚVOD... 3 2. ROZLOŽENÍ MAPOVÉ APLIKACE (PŘI ROZLIŠENÍ 1920X1200 PX)... 3 3. NÁSTROJE MAPOVÉ APLIKACE... 4 3.1 Pop-up okna...4 3.2 Záložky...4
Víceregalsistem.cz Analýza z hlediska SEO offpage webové prezentace
Analýza z hlediska SEO offpage webové prezentace regalsistem.cz Autorem dokumentu je Michal Kuchař. V případě jakýchkoliv dotazů k obsahu dokumentu se neváhejte obrátit na email Obsah dokumentu Obsah ANALÝZA
VíceVY_32_INOVACE_IKTO2_0460 PCH
VY_32_INOVACE_IKTO2_0460 PCH VÝUKOVÝ MATERIÁL V RÁMCI PROJEKTU OPVK 1.5 PENÍZE STŘEDNÍM ŠKOLÁM ČÍSLO PROJEKTU: CZ.1.07/1.5.00/34.0883 NÁZEV PROJEKTU: ROZVOJ VZDĚLANOSTI ČÍSLO ŠABLONY: III/2 DATUM VYTVOŘENÍ:
VíceAnotace. Klíčová slova. 1. Úvod
SLUŽBA TYPU GOOGLE V NÁRODNÍ LÉKAŘSKÉ KNIHOVNĚ. Adéla Jarolímková, Eva Lesenková, Filip Kříž, Vladimíra Solová Anotace Národní lékařská knihovna zpřístupňuje pomocí internetových technologií medicínské
VíceSémantický web 10 let poté
Sémantický web 10 let poté Vilém Sklenák sklenak@vse.cz Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního inženýrství Inforum2011, 26. 5. 2011 Vilém Sklenák
VíceDobývání znalostí z databází
Dobývání znalostí z databází (Knowledge Discovery in Databases, Data Mining,..., Knowledge Destilery,...) Non-trivial process of identifying valid, novel, potentially useful and ultimately understandable
VícePetr Nevrlý <petr.nevrly@firma.seznam.cz>
Fulltextové vyhledávání Petr Nevrlý Obsah přednášky Cíl vyhledávání Architektura Vyhledávání Robot Údaje z provozu Cíl fulltextového vyhledávání Poskytnutí odpovědi na dotaz
VíceSEM, SEO a PPC? Kouzelné formulky?
SEM, SEO a PPC? Kouzelné formulky? SEM, SEO a PPC? Kouzelné formulky? Ale ne! Základní situace Až 80 % návštěvníků webů přichází z vyhledávačů. Světové vyhledávače odpoví na miliardy dotazů denně. Návštěvnost
VíceINTERNETOVÉ VYHLEDÁVAČE
INTERNETOVÉ VYHLEDÁVAČE Centrum Atlas Seznam Google Jyxo Quick Lucie Štroblová Základní popis a význam Internetový vyhledávač je služba, která umožňuje na Internetu najít webové stránky, které obsahují
Vícespolečnost Google dostala od Andyho Bachtolsheima sto tisíc dolarů a přestěhovala se z koleje do garáže v Menlo Parku na konci roku 1998 Google
Historie společnosti společnost vznikla na základě doktorské práce Larryho Page a Sergeje Brina hledali způsob jak se lépe orientovat ve stále narůstajícím množství dat na internetu nejdříve vytvořili
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV INFORMAČNÍCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS ZÍSKÁVÁNÍ ZNALOSTÍ
VíceObsah. Rozdíly mezi systémy Joomla 1.0 a 1.5...15 Systém Joomla coby jednička online komunity...16 Shrnutí...16
Obsah Kapitola 1 Seznámení se systémem Joomla!................................. 9 Přehled systémů pro správu obsahu....................................................10 Použití systému pro správu obsahu.....................................................11
VíceZranitelnosti webových aplikací. Vlastimil Pečínka, Seznam.cz Roman Kümmel, Soom.cz
Zranitelnosti webových aplikací Vlastimil Pečínka, Seznam.cz Roman Kümmel, Soom.cz Terminologie Zranitelnost (vulnerability) Slabina, která umožní utočníkovi snížit/obejít ochranu dat a informací Security
VíceExtrakce z nestrukturovaných dat
Extrakce z nestrukturovaných dat Ing. Ivo Lašek (upravil doc. Ing. Vojtěch Svátek, Dr.) Zimní semestr 2012 http://nb.vse.cz/~svatek/rzzw.html Extrakce pojmenovaných entit Extrakce informací ze nestrukturovaných
VíceVyužití strojového učení k identifikaci protein-ligand aktivních míst
Využití strojového učení k identifikaci protein-ligand aktivních míst David Hoksza, Radoslav Krivák SIRET Research Group Katedra softwarového inženýrství, Matematicko-fyzikální fakulta Karlova Univerzita
VíceIndividuální projekt z předmětu webových stránek 2012 - Anketa Jan Livora
UŽIVATELSKÁ TECHNICKÁ DOKUMENTACE ANKETA : Individuální projekt z předmětu webových stránek 2012 - Anketa Jan Livora [2ITa] [sk1] 1 Obsah DŮLEŽITÉ UPOZORNĚNÍ!!!... 3 PROHLÁŠENÍ O AUTORSTVÍ:... 3 ANOTACE:...
VíceSNMP Simple Network Management Protocol
SNMP Simple Network Management Protocol Vypracoval: Lukáš Skřivánek Email: skrivl1@fel.cvut.cz SNMP - úvod Simple Network Management Protocol aplikační protokol pracující nad UDP (porty 161,162) založený
VíceMichal Krátký, Miroslav Beneš
Tvorba informačních systémů 1/20 Tvorba informačních systémů Michal Krátký, Miroslav Beneš Katedra informatiky VŠB Technická univerzita Ostrava Tvorba informačních systémů, 2008/2009 Tvorba informačních
VíceMetody analýzy dat I (Data Analysis I) Úvod do sítí (Networks Basics)
Metody analýzy dat I (Data Analysis I) Úvod do sítí (Networks Basics) Literatura Newman, M. (2010). Networks: An Introduction. Oxford University Press. [15-77] Leskovec, J., Rajaraman, A., Ullman, J. D.
VíceBioinformatika a výpočetní biologie KFC/BIN. I. Přehled
Bioinformatika a výpočetní biologie KFC/BIN I. Přehled RNDr. Karel Berka, Ph.D. Univerzita Palackého v Olomouci Definice bioinformatiky (Molecular) bio informatics: bioinformatics is conceptualising biology
VíceACASYS-KS Komunikace v systému ACASYS
Komunikace v systému ACASYS Programátorská příručka Verze 1.05 acasys-ks_ms_cz_105 AMiT, spol. s r. o. nepřejímá žádné záruky, pokud se týče obsahu této publikace a vyhrazuje si právo měnit obsah dokumentace
Vícemlink.cz, mlink.sk [MANUÁL INZERENTA] mlink.cz, mlink.sk Reklamní systém pro časově cílenou reklamu: bannerovou či textovou.
mlink.cz, mlink.sk mlink.cz, mlink.sk Reklamní systém pro časově cílenou reklamu: bannerovou či textovou. Neplaťte už za kliky ani počet zobrazení Vaší reklamy. U mlink.cz platíte fixní částkou dobu zobrazení
VíceHOVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY
HOVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV INFORMAČNÍCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS WEBOVÁ APLIKACE
VíceDatabázové systémy trocha teorie
Databázové systémy trocha teorie Základní pojmy Historie vývoje zpracování dat: 50. Léta vše v programu nevýhody poměrně jasné Aplikace1 alg.1 Aplikace2 alg.2 typy1 data1 typy2 data2 vytvoření systémů
VíceZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ
Metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných
VíceMetody analýzy dat I (Data Analysis I) Úvod do sítí (Networks Basics)
Metody analýzy dat I (Data Analysis I) Úvod do sítí (Networks Basics) Literatura Newman, M. (2010). Networks: An Introduction. Oxford University Press. [15-77] Leskovec, J., Rajaraman, A., Ullman, J. D.
VíceWWW portály v agrárním sektoru
WWW portály v agrárním sektoru Ing. Jiří Vaněk Katedra informačních technologií PEF ČZU v Praze vanek@pef.c @pef.czu.cz listopad 2001 Výchozí stav řada informačních zdrojů,... různá koncepce, malá provázanost,
VíceCo je (staro)nového v DSpace
Ústav výpočetní techniky, Masarykova univerzita, Brno CZDSUG 2011, Ostrava Obsah přednášky I Delegování práv. Autentizace přes IP adresy. Omezení viditelnosti, skrytí metadat. Export (CSV). Rozšířená konfigurace
VíceMartin Dostal Analýza nestrukturovaných dat s využitím Linked Data
Martin Dostal Analýza nestrukturovaných dat s využitím Linked Data Katedra informatiky a výpočetní techniky Fakulta aplikovaných věd Západočeská univerzita v Plzni 1) Linked Data Obsah Problém s různou
VíceSEO PROFIL PŘÍMÁ CESTA K ZÁKAZNÍKŮM
SEO PROFIL PŘÍMÁ CESTA K ZÁKAZNÍKŮM KÓD: FSP CO JE SEO PROFIL? SEO Profil je varianta firemního profilu s optimálně nastavenými potřebami pro menší a střední firmu. Nejedná se o klasický firemní zápis
VíceThe bridge to knowledge 28/05/09
The bridge to knowledge DigiTool umožňuje knihovnám vytvářet, administrovat, dlouhodobě uchovávat a sdílet digitální sbírky. DigiTool je možno využít pro institucionální repozitáře, sbírky výukových materiálu
VíceJindřiška Pospíšilová Karolína Košťálová, Národní knihovna ČR
http://www.knihovny.cz Jindřiška Pospíšilová Karolína Košťálová, Národní knihovna ČR Knihovny v České republice poskytují širokou paletu veřejných knihovnických a informačních služeb. Každá větší knihovna
VíceAnalýza návštěvnosti a efektivity webu
Analýza návštěvnosti a efektivity webu Jan Tichý, H1.cz +420 272 763 111 info@h1.cz www.h1.cz Obsah prezentace Měření Pojmy Metody měření Příprava měření Měřitelnost Nástroje Vyhodnocování Dostatek informací
VíceObsah. Seznam obrázků. Seznam tabulek. Petr Berka, 2011
Petr Berka, 2011 Obsah... 1... 1 1 Obsah 1... 1 Dobývání znalostí z databází 1 Dobývání znalostí z databází O dobývání znalostí z databází (Knowledge Discovery in Databases, KDD) se začíná ve vědeckých
VíceDallmayr WebShop. Uživatelská příručka. Dallmayr WebShop. Uživatelská příručka. Tiliaris s. r. o. 2014. Tiliaris s. r. o. 2014 Strana 1 / 11
Dallmayr WebShop Tiliaris s. r. o. 2014 Tiliaris s. r. o. 2014 Strana 1 / 11 Obsah 1. Účel dokumentu... 3 2. Nápověda... 4 Kategorie zboží... 4 Filtrování a třídění zboží... 4 Vyhledávání... 5 Nejčastěji
VíceVybraná zajímavá Lotus Notes řešení použitelná i ve vašich aplikacích. David Marko TCL DigiTrade - 29.5.2014
Vybraná zajímavá Lotus Notes řešení použitelná i ve vašich aplikacích David Marko TCL DigiTrade - 29.5.2014 Xpages a napojení na SQL data Přístup na SQL tabulky a nebo uložené procedury (stored procedures
VíceSpark SQL, Spark Streaming. Jan Hučín
Spark SQL, Spark Streaming Jan Hučín 22. listopadu 2017 Osnova 1. Spark SQL 2. Další rozšíření Sparku Spark streaming GraphX Spark ML 2 Spark SQL Spark SQL a DataFrames (DataSets) Rozšíření k tradičnímu
VíceMáte to? Summon jako základní vyhledávací nástroj NTK
Máte to? Summon jako základní vyhledávací nástroj NTK Milan Janíček milan.janicek at techlib.cz odd. rozvoje elektronických služeb Národní technická knihovna Praha Obsah 1) Proč další systém? 2) Metavyhledávač
VíceDobývání znalostí z databází. Databáze. datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek
Databáze datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek 980103 Jan Novak Dlouha 5 Praha 1 9945371 100.00 100.00 980105 Jan Novak Dlouha 5 Praha 1 9945371 1500.00 1600.00 980106
Víceco uživatel? Vilém Sklenák Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního inženýrství
Google. Bing, WolframAlpha, Seznam vítězové a poražení nekončícího boje a co uživatel? Vilém Sklenák sklenak@vse.cz Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního
VíceVytěžování znalostí z dat
Pavel Kordík, Jan Motl (ČVUT FIT) Vytěžování znalostí z dat BI-VZD, 2012, Přednáška 13 1/14 Vytěžování znalostí z dat Pavel Kordík, Jan Motl Department of Computer Systems Faculty of Information Technology
VícePřístup k transportní vrstvě z vrstvy aplikační rozhraní služeb služby pro systémové aplikace, služby pro uživatelské aplikace DNS
Aplikační vrstva Přístup k transportní vrstvě z vrstvy aplikační rozhraní služeb služby pro systémové aplikace, služby pro uživatelské aplikace RIP DNS TELNET HTTP SNMP RTP SMTP FTP port UDP TCP IP 1 Aplikační
VíceSeminář SEO jako součást internetového marketingu OS Chocholík. 2012 2013 Martina Hosová DiS.
Seminář SEO jako součást internetového marketingu OS Chocholík 2012 2013 Martina Hosová DiS. Slovníček pojmů SEO Search Engine Optimalization = Optimalizace pro internetové vyhledávače SEM Search Engine
VíceDolování z textu. Martin Vítek
Dolování z textu Martin Vítek Proč dolovat z textu Obrovské množství materiálu v nestrukturované textové podobě knihy časopisy vědeckéčlánky sborníky konferencí internetové diskuse Proč dolovat z textu
VíceJak vytvářet poznatkovou bázi pro konkurenční zpravodajství. ing. Tomáš Vejlupek
Jak vytvářet poznatkovou bázi pro konkurenční zpravodajství ing. Tomáš Vejlupek Informace tvořící konkurenční výhodu K rozhodování nestačí jen informace. K rozhodování je nutná také znalost umožňující
Více