Tantárgy » BMEVITMM277
Média- és szövegbányászat
Media and Text Mining
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Tantárgy neve (magyarul, angolul) |
Média- és szövegbányászat
Media and Text Mining
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tantárgykód | BMEVITMM277 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | vizsga | ||||||||||||
| Tantárgy kreditértéke | 6 | ||||||||||||
| Tantárgyfelelős |
Szűcs Gábor, PhD
beosztás: adjunktus
elérhetőség:
szucs.gabor@vik.bme.hu
|
||||||||||||
| Tantárgyat gondozó oktatási szervezeti egység |
Távközlési és Mesterséges Intelligencia Tanszék
|
||||||||||||
| Kar | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Tantárgy weboldala | — | ||||||||||||
| Tantárgy elsődleges mintatantervi jellege | — | ||||||||||||
| Közvetlen előkövetelmények – Erős előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Gyenge előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Párhuzamos előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Mérföldkő előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Kizáró feltétel | nincs |
Célkitűzés
Tantárgyprogram
Előadások:
• Felmerülő problémák gazdasági elemző témakörben multinacionális vállalatoknál. Tipikus feladattípusok a média- és szövegbányászatban.
• Média- és szöveganalízis módszerei, keresési technikák, indexelés, rangsorolási eljárások. Szózsák modell. Információvisszakeresés modelljei: Boole modell és Vektor modell. Súlyozási sémák (tf-idf), koszinusz hasonlóság. Keresési kifejezés optimalizációja. Keresés a Weben, webbányászat.
• Szövegelőkészítési lépések. Tokenizálás, szótövező algoritmusok, Porter, Lovins szótövezők. Sekély és mély szintaktikai elemzés. Szófaj-meghatározás. Szintaxis fát, illetve függőségi gráfokat generáló elemzők. Stanford eszközök.
• Nyelvdetektálás, nyelvfüggőség, Zipf törvény. NLP (Natural Language Processing) eszközök.
• Névelemfelismerés, relációkinyerés szövegből. A relációkinyerés jellemző megközelítései: együttes előfordulás, mintaillesztéses módszerek, felügyelt gépi tanulási módszerek. Véleményanalízis, mint a piackutatás modern eszköze.
• Mély neurális hálók használata a szövegelemzésben (LSTM - Long Short-Term Memory) és képi, videó tartalmak elemzésében (CNN - Convolutional Neural Network).
• Médiaosztályozás képekre, videókra. Előfeldolgozási lépések. Médiaosztályozás típusai, módszerei. CBIR (Context-Based Image Retrieval), egyszerű képfeldolgozó eljárások.
• Képi és szöveg modalitások összekapcsolása. Mélytanuló módszerek, rendszerek. Generative Adversarial Network (GAN).
• A szövegkorpuszok és média adathalmazok problématerének redukciója, jellemző kinyerő és jellemző kiválasztó technikák.
• Szövegosztályozás. Szövegosztályozás típusai, módszerei. Naïve Bayes osztályozó. Rocchio algoritmus. Automatikus szövegfeldolgozás (szöveg generálás mélytanulással).
• Vállalatoknál használt chatbotok, virtuális asszisztensek.
• Költséghatékony osztályozás. Aktív tanulás. Együttes osztályozók. Média és szöveges adathalmazok klaszterezése.
• Egycímkés és többcímkés szövegosztályozás. Változás követés az osztályozási feladatokban. Concept drift.
• Média ajánlórendszerek.
A laboroknál használ programozási nyelv a Python (illetve egyes gyakorlatoknál a RapidMiner eszköz) a megfelelő programkönyvtárakkal. Laborok:
• Súlyozási séma (tf-idf) számolása szöveges korpuszhoz.
• Szövegelőkészítés, indexelés, szótövezés.
• Véleményanalízis.
• Számjegy felismerési feladat Keras programkönyvtárral.
• Mélytanuló módszerek alkalmazása.
• Hatékony osztályozás (szövegkorpuszokon, média adathalmazokon).
• Szövegbányászati alkalmazás gazdasági területen.
A tárgy célkitűzése a hallgatók bevezetése a tartalom- és információkereső szolgáltatások világába a szövegfeldolgozástól a médiafolyamokig. A hallgatók megismerik a szöveg- és médiakeresési technikákat, elsajátítják a mélytanulási technikákat alkalmazó média- és szövegelemzési módszereket, valamint képesek lesznek döntéseket hozni vállalati keresőrendszerek, médiatartalom-kezelő rendszerek kialakításánál.
Tanulmányi eredmények
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Tudás
Nincsenek rögzített tanulási eredmények.
Képességek
Nincsenek rögzített tanulási eredmények.
Attitűd
Nincsenek rögzített tanulási eredmények.
Autonómia és felelősség
Nincsenek rögzített tanulási eredmények.
Oktatási módszertan
A laboratóriumi gyakorlatokat kétheti gyakorisággal csoportosítjuk, a többi óra előadás.
Tanulástámogató anyagok
Online források
Blanken, de Vries, Blok, Fres (eds): Multimedia Retrieval. Springer, 2007.; Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze: Introduction to Information Retrieval. Cambridge University Press, 2008; Ronen Feldman, James Sanger: The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data, Cambridge University Press, 2007
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
matematikai alapismeretek, valószínűségszámítás
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
matematikai alapismeretek, valószínűségszámítás
Általános szabályok
Követelmények:
a. A szorgalmi időszakban: egy zárthelyi.
b. A vizsgaidőszakban: a szorgalmi időszakban kiadott házi feladat megoldásának elkészítése (írásbeli), vizsgán való megvédése (szóbeli).
c. Az aláírás feltétele a zárthelyi (beleértve a pótló zárthelyiket is: lásd a következő pontban) legalább elégséges szintre történő megírása. A zárthelyi illetve pót-zárthelyi eredményes, ha a maximális pontszám legalább 40%-t elérte a hallgató.
d. A laboratóriumi gyakorlatokból legalább ötöt kell sikeresen megoldani az aláírás megszerzéséhez.
A vizsga 2 részből áll: szóbeli a félév teljes tananyagából és a korábban írásban benyújtott házi feladat megvédéséből. A jegy kialakításában a 2 rész 50-50%-ban számít bele.
Pótlási lehetőségek:
A zárthelyi pótlására a szorgalmi időszakban egy lehetőséget biztosítunk. Azok számára, akiknek nem sikerült sem a zárthelyi, sem a pótzárthelyi: a pótlási időszakban 1 alkalmat biztosítunk egy újabb zárthelyi dolgozatra. A laboratóriumi gyakorlatok pótlására nincs lehetőség. Az aláírás feltétele valamelyik zárthelyi (első vagy a pót- vagy a pótpót-zárthelyi) legalább elégséges szintre történő megírása és legalább 5 sikeres laboratóriumi gyakorlat.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása
Nincs megadva részletes értékelés.
Szorgalmi időszakban végzett teljesítményértékelések részaránya
Nincs megadva részarány.
Vizsgaidőszakban végzett teljesítményértékelések részletes leírása
Nincs megadva részletes értékelés.
Vizsgarészek részaránya
Nincs megadva részarány.
Érdemjegy megállapítása
Nincs megadva érdemjegy határ.
Jelenléti és részvételi követelmények
Nincs megadva jelenléti követelmény.
Javítás, ismétlés és pótlás különös szabályai
Nincs megadva.
Rövid leírás
Nincs megadva.
Részletes leírás
Nincs megadva.
Ajánlott tantárgyak
Ajánlott: Adatbányászati technikák
A tantárgy elvégzéséhez szükséges tanulmányi munka
Nincs megadva munkaidő bontás.
Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete:
—
Tantárgykövetelmények hatályosságának vége:
—
Tantervi elhelyezés
Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.