Show simple item record

Ανάλυση συναισθήματος σε δεδομένα από το Twitter με χρήση αλγορίθμων μηχανικής μάθησης

dc.contributor.advisorTroussas, Christos
dc.contributor.authorΧασαπόπουλος, Αριστοτέλης
dc.date.accessioned2021-11-23T07:01:33Z
dc.date.available2021-11-23T07:01:33Z
dc.date.issued2021-11-14
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/1564
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-1415
dc.description.abstractΗ παρούσα διπλωματική εργασία έχει ως κύριο θεματικό άξονα την Ανάλυση Συναισθήματος για δεδομένα που προέρχονται από το κοινωνικό δίκτυο Twitter. Με τον όρο «ανάλυση συναισθήματος» αναφερόμαστε σε μια αυτοματοποιημένη διαδικασία που προσδιορίζει τη συναισθηματική πολικότητα ενός κειμένου. Ως κλάδος έχει συγκεντρώσει τα βλέμματα τόσο της επιστημονικής κοινότητας όσο και διάφορων επιχειρηματικών κλάδων, αφού η ευρεία ενσωμάτωση των διαδικτυακών κοινωνικών δικτύων στην καθημερινότητα, έχει δημιουργήσει άφθονα και ευκόλως προσβάσιμα δεδομένα προς επεξεργασία και εξαγωγή συμπερασμάτων. Ο κλάδος της Ανάλυσης Συναισθήματος περιέχει μεθόδους που ανήκουν στους επιστημονικούς τομείς της Τεχνητής Νοημοσύνης, της Μηχανικής Μάθησης και της Βαθιάς Μάθησης. Το Κεφάλαιο 1 αποτελεί μια σύντομη εισαγωγή στα κοινωνικά δίκτυα και ειδικότερα στο Twitter. Συγκεκριμένα, περιγράφεται η δομή, η λειτουργία του καθώς και οι τομείς στους οποίους μπορεί να διενεργηθεί περαιτέρω ανάλυσή του. Στη συνέχεια, παρουσιάζονται οι δύο κύριες προσεγγίσεις του κλάδου της Ανάλυσης Συναισθήματος, αυτή της Μηχανικής Μάθησης και αυτή του σημασιολογικού προσανατολισμού. Επιπλέον, παρουσιάζονται τρόποι αναπα- ράστασης χαρακτηριστικών των δεδομένων ενός κειμένου, καθώς και μέθοδοι προεπεξεργασίας κειμένου. Το Κεφάλαιο 2 ολοκληρώνεται με την περιγραφή της διαδικασίας αξιολόγησης των μοντέλων ανάλυσης συναισθήματος. ́Επειτα, στο Κεφάλαιο 3, γίνεται παρουσίαση των πιο διαδεδομένων μοντέλων Μηχανικής Μάθησης που χρησι- μοποιούνται στον κλάδο της ανάλυσης συναισθήματος. Τέτοια μοντέλα είναι η οικογένεια ταξινομητών Bayes, οι μηχανές διανυσματικής υποστήριξης, ο αλγόριθμος k-κοντινότερων γειτόνων και τα συνελικτικά νευρωνικά δίκτυα. Στο τελευταίο κεφάλαιο γίνεται εφαρμογή 3 αλγορίθμων Μηχανικής Μάθησης και σύγκριση της απόδοσής τους ως προς την κατηγοριοποίηση συναισθήματος. Μετά την παρουσίαση του συνόλου δεδομένων που χρησιμοποι- ήθηκε στα πειράματα, πραγματοποιείται η περιγραφή των μοντέλων που χρησιμοποιήθηκαν και ο σχολιασμός των αποτελεσμάτων. Τα μοντέλα που υλοποιήθηκαν, αναπτύχθηκαν στην έκδοση 3.8 της Python.el
dc.format.extent59el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΜηχανική μάθησηel
dc.subjectΕξόρυξη δεδομένωνel
dc.subjectΑνάλυση συναισθήματοςel
dc.subjectΚείμενοel
dc.titleΑνάλυση συναισθήματος σε δεδομένα από το Twitter με χρήση αλγορίθμων μηχανικής μάθησηςel
dc.title.alternativeSentimental analysis in Twitter data using machine learning algorithmsel
dc.typeΜεταπτυχιακή διπλωματική εργασίαel
dc.contributor.committeeΣγουροπούλου, Κλειώ
dc.contributor.committeeΒουλόδημος, Αθανάσιος
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Πληροφορικής και Υπολογιστώνel
dc.contributor.masterΕπιστήμη και Τεχνολογία της Πληροφορικής και των Υπολογιστώνel


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές