Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Bc. Patrik Rapavý
Acad. year: 2025/2026
Supervisor: doc. RNDr. Pavel Smrž, Ph.D.
Reviewer: Ing. Jan Doležal
The goal of this thesis is to develop a system for collecting data from online platforms, performing semantic analysis, and visualizing the results. The work focuses on gathering text from online discussions and blogs and analyzing user opinions using natural language processing methods, mainly based on large language models. The outputs of the analysis are processed into statistical metrics and displayed in a user interface. The system allows users to view summaries for individual entities, including sentiment results and detected thematic areas. It also supports comparing different entities based on information found in online posts. The main contribution of this thesis is a system that provides a more detailed view of public opinion about entities from the academic environment than standard marketing tools or common AI assistants in search engines.
web scraping, online data extraction, web discussions, natural language processing, clustering, sentiment analysis, topic modeling, argument mining, entity recognition, public opinion, large language models
Date of defence
17.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
C
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.
Topics for thesis defence
Language of thesis
Slovak
Faculty
Fakulta informačních technologií
Department
Department of Computer Graphics and Multimedia
Study programme
Information Technology (BIT)
Composition of Committee
doc. Ing. František Zbořil, CSc. (předseda) doc. Ing. Michal Španěl, Ph.D. (místopředseda) Ing. Jan Pluskal, Ph.D. (člen) Ing. Aleš Smrčka, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen)
Supervisor’s reportdoc. RNDr. Pavel Smrž, Ph.D.
Patrik Rapavý vytvořil systém pro základní shromažďování dat z online diskusí a blogů, jejich analýzu pomocí existujících jazykových modelů a dostupných metod a vizualizaci výsledků. Přestože funkčnost řešení i míra vyhodnocení zůstaly za očekáváním, výsledek odpovídá zadání a je možné z něj vycházet při případných dalších projektech v této oblasti. Celkově hodnotím z pohledu vedoucího bakalářskou práci stupněm D - uspokojivě.
Téma navazovalo na sérii předchozích absolventských prací, zaměřených na extrakci příspěvků z webových diskusí a sociálních sítí a jejich zpracování pro analýzu postojů a argumentů. Student se dlouho věnoval možnostem stahování příspěvků ze sociálních sítí typu Facebook, narážel však na postupně přidávaná omezení v této oblasti. Až v rámci letního semestru se přeorientoval na obecnější získávání diskusních příspěvků a vybral si demonstrační příklad porovnávání názorů na studium na českých vysokých školách, nabízejících příbuzné obory. I kvůli tomuto pozdnímu vyjasnění demonstrační domény zůstaly výsledky práce za očekáváním a neukazují plně příspěvek specifického shromažďování dat a využití velkých jazykových modelů, např. pro extrakci opakujícíh se argumentů.
Student shromáždil a zpracoval adekvátní množství studijních materiálů, oblast extrakce postojů a shlukování či zobecňování argumentů však mohla lépe pokrývat využití nejmodernějších metod zpracování přirozeného jazyka a vyhodnocování výsledků na příslušných datových sadách.
Aktivita během řešení nebyla soustavná, v zimním semestru byla spíše omezená, v letním se potom zvýšila. Celkově věnoval student řešení očekávané množství času.
Definitivní podoba technické zprávy byla dokončena až těsně před odevzdáním, neměl jsem tedy možnost ji připomínkovat. Některé části textu jsem však četl a moje zpětná vazba byla zohledněna.
-
Grade proposed by supervisor: D
Reviewer’s reportIng. Jan Doležal
Technická zpráva práce má dobrou logickou strukturu a návaznost jednotlivých kapitol, ale obsahuje nepřesnosti a typografické nedostatky. Práce s literaturou obsahuje nedostatky v podobě chybějících citací, nepodložených tvrzení a menších terminologických nepřesností. Realizační výstup systém je funkční, modulárně navržený a experimentálně ověřený. Celkově hodnotím stupněm C (78 bodů).
Evaluation level: moderately difficult assignment
Kapitoly na sebe navazují, ale postrádám odkazy mezi kapitolami. Z kapitoly 4 Implementácia chybí odkazy do kapitoly 2 Rozbor riešenej problematiky. Autor kap. 2 zaměňuje kosinovou podobnost (cosine similarity) a kosinovou vzdálenost (cosine distance). Algoritmy uvedené na str. 34 a 35 technické zprávy by bylo vhodnější popsat spíše slovně, protože uvedený pseudokód působí neúplně. Autor na str. 37 znovu popisuje algoritmus HDBSCAN odlišně (než je popsaný v kap. 2.5 Zhlukovanie). Píše o výpočtu umístění jádra klastru a normalizované vzdálenosti od jádra což algoritmu HDBSCAN neodpovídá. Dále v kap. 4 Implementácia uvádí konstanty, u nichž mi chybí vysvětlení stanovené hodnoty (např. v algoritmu 1 na str. 34, algoritmu 2 na str. 35, práh vzdálenosti od jádra na str. 37, práh relevance na str. 38).
Typografická úroveň práce vykazuje nedostatky, zejména nevhodné použití ručních zalomení řádků ve všech částech textu, což často vede k nerovnoměrnému vertikálnímu odsazení odstavců. Některé odstavce obsahují pouze jednu větu. V textu se rovněž objevuje použití desetinné tečky místo obvyklé desetinné čárky. Jazykovou stránku práce nelze v plné míře posoudit, neboť je psána ve slovenském jazyce.
Realizační výstup práce je funkční a odpovídá stanoveným cílům. Řešení pokrývá kompletní zpracovatelský řetězec od sběru dat po vizualizaci výsledků a je vhodně modulárně navrženo. Součástí práce jsou experimenty ověřující funkčnost jednotlivých částí systému.
Práce má aplikační charakter a spojuje existující NLP metody do funkčního systému. Přináší praktickou implementaci bez nových teoretických výsledků, s potenciálním využitím pro analýzu textových dat v praxi.
Evaluation level: assignment fulfilled
Evaluation level: is within the usual extent
Práce s literaturou vykazuje dílčí nedostatky. V některých částech (např. kapitoly 2.2, 2.8 a 2.9) chybí odkazy na relevantní zdroje, což snižuje dohledatelnost některých tvrzení.
V textu se dále objevují nepodložená nebo nepřesně formulovaná tvrzení, například tvrzení o úplné ztrátě významu při znakové tokenizaci (str. 9), které by vyžadovalo přesnější oporu v literatuře.
Rovněž je patrná terminologická nepřesnost v rozlišení pojmů kosinová podobnost a kosinová vzdálenost (str. 10), která není v textu dostatečně zdrojována.
V bibliografických citacích se místy vyskytují formální odchylky od standardních citačních norem.
Grade proposed by reviewer: C
Responsibility: Mgr. et Mgr. Hana Odstrčilová