hh.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Klassificering av svenska nyhetsartiklar med hjälp av Support Vector Machines
Högskolan i Halmstad, Akademin för informationsteknologi.
Högskolan i Halmstad, Akademin för informationsteknologi.
2018 (Svenska)Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
Abstract [sv]

Uppsatsen syftar till att minska omfattningen av påverkanskampanjer genom maskininlärningsmodellen Support Vector Machine. Arbetet utgår från en litteraturstudie samt två experiment. Litteraturstudien syftar till att ge en referensram till textklassificering med Support Vector Machines. Det första experimentet innebar träning av en Support Vector Machine för att klassificera svenska nyhetsartiklar utefter pålitlighet. Det andra experimentet innefattade en jämförelse av tränad SVM-modell och andra standardmetoder inom textklassificering. Resultaten från experimenten tyder på att SVM är ett effektivt verktyg för klassificering av svenska nyhetsartiklar men även att det finns fler modeller som är lämpliga för samma uppgift.

Abstract [en]

The aim of this paper is to reduce the extent of impact campaigns through use of the machine learning algorithm Support Vector Machine. The process involved a literature study and two experiments. The aim of the literature study was to give a frame of reference to text classification with Support Vector Machines. The first experiment involved training a SVM to be able to classify news articles written in swedish based on the reliability of the article. The second experiment involved a comparison between the trained SVM-model and other standard methods in the field. The results from the experiment indicates that SVM is a effective tool for classification of news articles written in Swedish, but also that other standard methods are suitable for the same task.

Ort, förlag, år, upplaga, sidor
2018. , s. 40
Nyckelord [sv]
SVM, support vector machines, nyheter, opålitliga nyheter, maskininlärning, machine learning, WEKA
Nationell ämneskategori
Datorteknik
Identifikatorer
URN: urn:nbn:se:hh:diva-37767OAI: oai:DiVA.org:hh-37767DiVA, id: diva2:1241232
Ämne / kurs
Digital forensik
Utbildningsprogram
IT-forensik och informationssäkerhet
Handledare
Examinatorer
Tillgänglig från: 2018-10-15 Skapad: 2018-08-23 Senast uppdaterad: 2018-10-15Bibliografiskt granskad

Open Access i DiVA

fulltext(1348 kB)90 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1348 kBChecksumma SHA-512
bf31fc9bbd4d650c3158b72cb1cd62de338ef4fc2c8e65526f93e9d4f487e7c62dc921511facef58e4a85118cadf91183c7c9ac781311c556bc49cd4f17c8001
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Blomberg, JossefinJansson Martén, Felicia
Av organisationen
Akademin för informationsteknologi
Datorteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 90 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 249 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf