Ανάλυση και πρόβλεψη συναισθήματος από διαδικτυακές κριτικές πελατών

Παπαδόπουλος, Ευστάθιος

dc.contributor.advisor	Bousdekis, Alexandros
dc.contributor.advisor	Μιαούλης, Γεώργιος
dc.contributor.author	Παπαδόπουλος, Ευστάθιος
dc.date.accessioned	2022-03-30T10:50:57Z
dc.date.available	2022-03-30T10:50:57Z
dc.date.issued	2022-03-04
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/2021
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-1872
dc.description.abstract	Η διπλωματική αφορά την ανάλυση και πρόβλεψη συναισθήματος σε διαδικτυακές κριτικές πελατών με τη χρήση μεθόδων αναλυτικής δεδομένων και μηχανικής μάθησης. Η προσέγγιση της διπλωματικής επεξεργάζεται το κείμενο των σχολίων, προβλέπει την γνώμη των επόμενων πελατών και εξετάζει την επίδραση διαφόρων κριτηρίων στην συνολική γνώμη του πελάτη. Η προσέγγιση επικυρώνεται στον τομέα του τουρισμού, χρησιμοποιώντας ένα dataset που προέρχεται από το TripAdvisor. Τα κριτήρια αφορούν διαφορετικές υπηρεσίες και διαδικασίες των ξενοδοχείων. Η γλώσσα υλοποίησης της διπλωματικής είναι η Python.	el
dc.format.extent	100	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Machine Learning	el
dc.subject	Sentiment Analysis	el
dc.subject	Predictive Analytics	el
dc.subject	Online Hotel Reviews	el
dc.subject	Hotel Services	el
dc.title	Ανάλυση και πρόβλεψη συναισθήματος από διαδικτυακές κριτικές πελατών	el
dc.title.alternative	Sentiment analysis and prediction from online customer reviews	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Μαστοροκώστας, Πάρις
dc.contributor.committee	Μπαρδής, Γεώργιος
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	The thesis is about analyzing and predicting sentiment in online customer reviews using data analytics and machine learning methods. The thesis’ approach processes the text of the comments, predicts the opinion of subsequent customers and examines the impact of various criteria on the overall customer opinion. The approach is validated in the tourism domain using a dataset derived from TripAdvisor. The criteria relate to different hotel services and processes. The implementation language of the thesis is Python.	el

Files in this item

Name:: Papadopoulos_cs141048.pdf
Size:: 1.891Mb
Format:: PDF
Description:: Διπλωματική Εργασία

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

Show simple item record

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