Εξατομικευμένο Σύστημα Συγκέντρωσης Ειδήσεων και Προτάσεων με χρήση Επεξεργασίας Φυσικής Γλώσσας: Συγκριτική Μελέτη Μοντέλων Βασισμένων σε κανόνες και Μοντέλων Μηχανικής Μάθησης

Κωνσταντινίδης, Ηλίας

dc.contributor.advisor	Troussas, Christos
dc.contributor.author	Κωνσταντινίδης, Ηλίας
dc.date.accessioned	2024-10-14T08:41:50Z
dc.date.available	2024-10-14T08:41:50Z
dc.date.issued	2024-10-10
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/7710
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-7542
dc.description.abstract	Η παρούσα διατριβή αποσκοπεί στη σύγκριση δύο μοντέλων για την ανάπτυξη ενός συστήματος συστάσεων ειδήσεων. Το πρώτο μοντέλο βασίζεται σε κανόνες και χρησιμοποιεί ανάλυση συναισθήματος μέσω του αλγορίθμου Vader, ενώ το δεύτερο μοντέλο χρησιμοποιεί μηχανική μάθηση και λογιστική παλινδρόμηση για την ανάλυση συναισθήματος. Στόχος είναι να διερευνηθεί η απόδοση των δύο προσεγγίσεων και να αξιολογηθεί η ακρίβειά τους στην κατηγοριοποίηση και σύσταση ειδήσεων με βάση το συναίσθημα και τον τύπο του άρθρου. Η επεξεργασία φυσικής γλώσσας μπορεί να βελτιώσει την ακρίβεια των εξατομικευμένων προτάσεων, επιτρέποντας μια πιο προηγμένη κατανόηση του περιεχομένου του κειμένου, εντοπίζοντας με ακρίβεια τις προθέσεις και τα συναισθήματα πίσω από τις λέξεις και παρέχοντας προτάσεις που ανταποκρίνονται περισσότερο στα ενδιαφέροντα των χρηστών.	el
dc.format.extent	53	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	Μοντέλα βασισμένα σε κανόνες	el
dc.subject	Συναισθηματική ανάλυση	el
dc.subject	Μηχανική μάθηση	el
dc.title	Εξατομικευμένο Σύστημα Συγκέντρωσης Ειδήσεων και Προτάσεων με χρήση Επεξεργασίας Φυσικής Γλώσσας: Συγκριτική Μελέτη Μοντέλων Βασισμένων σε κανόνες και Μοντέλων Μηχανικής Μάθησης	el
dc.title.alternative	Personalized News and Suggestion Gathering System using Natural Language Processing: A Comparative Study of Rule-Based and Machine Learning Models	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Krouska, Akrivi
dc.contributor.committee	Tselenti, Panagiota
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	This thesis aims to compare two models for the development of a news recommendation system. The first model is rule-based and uses sentiment analysis through the Vader algorithm, while the second model uses machine learning and logistic regression for sentiment analysis. The aim is to investigate the performance of the two approaches and evaluate their accuracy in categorizing and recommending news stories based on sentiment and article type. Natural language processing can improve the accuracy of personalized sentences, enabling a more advanced understanding of text content, accurately identifying the intentions and emotions behind words, and providing sentences that are more responsive to users' interests. Translated with www.DeepL.com/Translator (free version)	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: ΚΩΝΣΤΑΝΤΙΝΙΔΗΣ-ΔΙΠΛΩΜΑΤΙΚΗ.pdf
Μέγεθος:: 1.411Mb
Τύπος:: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές