dc.contributor.advisor | Pýcha, Čeněk | |
dc.creator | Panušková, Charlotte | |
dc.date.accessioned | 2024-04-08T11:35:44Z | |
dc.date.available | 2024-04-08T11:35:44Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11956/188349 | |
dc.description.abstract | This thesis explores the topic modelling of contemporary Czech prose using LDA and Top2Vec algorithms. It examines how the results of topic modelling correspond to existing knowledge in literary history and further analyses how these findings relate to classical literary theory. The study emphasizes the connection between digital methods of text analysis and traditional literary- historical and theoretical perspectives, offering a new interpretation of modern methods within the literary context. For modelling purposes, the corpus from the Czech National Corpus was used. The corpus was cleaned and divided into three subcorpora based on the publication date of the works. Models of both LDA and Top2Vec algorithms were created from all three subcorpora. To select the most accurate model, the thesis employs the coherence score metric Cv. The results of the models are then compared with present knowledge in literary history. The conclusion underscores that topic modelling serves as an approximation of the literary system rather than a direct means of revealing themes. | en_US |
dc.description.abstract | Tato práce se zabývá tematickým modelováním současné české prózy pomocí algoritmů LDA a Top2Vec. Zkoumá, jak výsledky tematického modelování korespondují s dosavadními poznatky literární historie. Dále pak analyzuje, jak se tyto výsledky promítají do klasické literární teorie. Práce tak klade důraz na propojení mezi digitálními metodami analýzy textů a klasickými literárněhistorickými a teoretickými pohledy, čímž přináší nový pohled na interpretaci moderních metod v literárním kontextu. K modelování byl využit veřejně dostupný korpus Českého národního korpusu. Korpus byl pro účely práce očištěn a rozdělen do tří subkorpusů podle data prvního vydání děl. Modely algoritmů LDA a Top2Vec byly vytvořeny ze všech tří subkorpusů. Pro výběr nejpřesnějšího modelu práce využívá metriku skóre koherence Cv. Výsledky modelů jsou následně porovnány s dosavadními poznatky literární historie. Práce na závěr zdůrazňuje, že tematické modelování představuje spíše aproximaci literárního systému než prostředek k přímému odhalování témat. | cs_CZ |
dc.language | Čeština | cs_CZ |
dc.language.iso | cs_CZ | |
dc.publisher | Univerzita Karlova, Filozofická fakulta | cs_CZ |
dc.subject | vzdálené čtení|digitální literární věda|tematické modelování|digitální humanitní vědy|současná česká próza | cs_CZ |
dc.subject | digital literary studies|digital humanitites|topic modelling|contemporary czech fiction|distant reading | en_US |
dc.title | Vzdálené čtení současné české beletrie | cs_CZ |
dc.type | diplomová práce | cs_CZ |
dcterms.created | 2024 | |
dcterms.dateAccepted | 2024-01-29 | |
dc.description.department | Institute of Information Studies and Librarianship - New Media Studies | en_US |
dc.description.department | Ústav informačních studií - studia nových médií | cs_CZ |
dc.description.faculty | Faculty of Arts | en_US |
dc.description.faculty | Filozofická fakulta | cs_CZ |
dc.identifier.repId | 260321 | |
dc.title.translated | Distant reading of contemporary Czech fiction | en_US |
dc.contributor.referee | Šlerka, Josef | |
thesis.degree.name | Mgr. | |
thesis.degree.level | navazující magisterské | cs_CZ |
thesis.degree.discipline | New Media Studies | en_US |
thesis.degree.discipline | Studia nových médií | cs_CZ |
thesis.degree.program | New Media Studies | en_US |
thesis.degree.program | Studia nových médií | cs_CZ |
uk.thesis.type | diplomová práce | cs_CZ |
uk.taxonomy.organization-cs | Filozofická fakulta::Ústav informačních studií - studia nových médií | cs_CZ |
uk.taxonomy.organization-en | Faculty of Arts::Institute of Information Studies and Librarianship - New Media Studies | en_US |
uk.faculty-name.cs | Filozofická fakulta | cs_CZ |
uk.faculty-name.en | Faculty of Arts | en_US |
uk.faculty-abbr.cs | FF | cs_CZ |
uk.degree-discipline.cs | Studia nových médií | cs_CZ |
uk.degree-discipline.en | New Media Studies | en_US |
uk.degree-program.cs | Studia nových médií | cs_CZ |
uk.degree-program.en | New Media Studies | en_US |
thesis.grade.cs | Výborně | cs_CZ |
thesis.grade.en | Excellent | en_US |
uk.abstract.cs | Tato práce se zabývá tematickým modelováním současné české prózy pomocí algoritmů LDA a Top2Vec. Zkoumá, jak výsledky tematického modelování korespondují s dosavadními poznatky literární historie. Dále pak analyzuje, jak se tyto výsledky promítají do klasické literární teorie. Práce tak klade důraz na propojení mezi digitálními metodami analýzy textů a klasickými literárněhistorickými a teoretickými pohledy, čímž přináší nový pohled na interpretaci moderních metod v literárním kontextu. K modelování byl využit veřejně dostupný korpus Českého národního korpusu. Korpus byl pro účely práce očištěn a rozdělen do tří subkorpusů podle data prvního vydání děl. Modely algoritmů LDA a Top2Vec byly vytvořeny ze všech tří subkorpusů. Pro výběr nejpřesnějšího modelu práce využívá metriku skóre koherence Cv. Výsledky modelů jsou následně porovnány s dosavadními poznatky literární historie. Práce na závěr zdůrazňuje, že tematické modelování představuje spíše aproximaci literárního systému než prostředek k přímému odhalování témat. | cs_CZ |
uk.abstract.en | This thesis explores the topic modelling of contemporary Czech prose using LDA and Top2Vec algorithms. It examines how the results of topic modelling correspond to existing knowledge in literary history and further analyses how these findings relate to classical literary theory. The study emphasizes the connection between digital methods of text analysis and traditional literary- historical and theoretical perspectives, offering a new interpretation of modern methods within the literary context. For modelling purposes, the corpus from the Czech National Corpus was used. The corpus was cleaned and divided into three subcorpora based on the publication date of the works. Models of both LDA and Top2Vec algorithms were created from all three subcorpora. To select the most accurate model, the thesis employs the coherence score metric Cv. The results of the models are then compared with present knowledge in literary history. The conclusion underscores that topic modelling serves as an approximation of the literary system rather than a direct means of revealing themes. | en_US |
uk.file-availability | V | |
uk.grantor | Univerzita Karlova, Filozofická fakulta, Ústav informačních studií - studia nových médií | cs_CZ |
thesis.grade.code | 1 | |
uk.publication-place | Praha | cs_CZ |
uk.thesis.defenceStatus | O | |