Ανάλυση συναισθήματος προτιμήσεων χρηστών στον ταξιδιωτικό κλάδο με αλγορίθμους μηχανικής μάθησης

Γρηγοροπούλου, Ακριβή

dc.contributor.advisor	Tselenti, Panagiota
dc.contributor.author	Γρηγοροπούλου, Ακριβή
dc.date.accessioned	2024-10-15T08:40:51Z
dc.date.available	2024-10-15T08:40:51Z
dc.date.issued	2024-10-04
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/7733
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-7565
dc.description.abstract	Η παρούσα διπλωματική εργασία έχει ως στόχο την ανάπτυξη μιας πλήρους ανάλυσης της αγοράς στον τομέα του ταξιδιωτικού κλάδου. Αρχικά, επιλέχτηκε ένα κατάλληλο σύνολο δεδομένων από την πλατφόρμα Kaggle το οποίο περιέχει διάφορες τουριστικές πληροφορίες οι οποίες αφορούν όχι μόνο τα ίδια τα ξενοδοχεία, όπως το όνομα του, την τοποθεσία του, την κατηγορία του ξενοδοχείου κ.α αλλά και πληροφορίες για τους ίδιους τους χρήστες που γράφουν την κριτική, όπως το username τους, το κειμένο της κριτικής και την βαθμολογία. Το σύνολο δεδομένων αρχικά αναλύθηκε, οπτικοποιήθηκε και έπειτα επεξεργάστηκε ώστε να μπορέσουμε να κατανοήσουμε ολοκληρωτικά τα δεδομένα μας και να εξάγουμε διάφορα συμπεράσματα , που θα μας επιτρέπουν να αποκτήσουμε μια πιο ολοκληρωμένη εικόνα και να αναδείξουμε σημαντικούς τομείς της αγοράς ώστε να ανιχνευθούν προτιμήσεις πελατών και να αναλυθούν οι τάσεις του ταξιδιωτικού κλάδου. Εξετάστηκαν οι προτιμήσεις των χρηστών λαμβάνοντας υπόψη την τοποθεσία που έχουν επισκεφθεί και τις παροχές των ξενοδοχείων (όπως η προσφορά πρωινού) κ.λπ. Επιπλέον, μελετήθηκε η ανίχνευση συναισθηματικών προτιμήσεων και αντιδράσεων των χρηστών βάσει των σχολίων και των αναφορών τους. Στο δεύτερο μέρος της διπλωματικής εργασίας, εφαρμόστηκαν διάφοροι αλγόριθμοι μηχανικής και βαθιάς μάθησης με σκοπό την εκπαίδευσή τους πάνω στα δεδομένα , ώστε να είναι ικανοί να προβλέπουν τις βαθμολογίες από τα κείμενα κριτικών. Τα αποτελέσματα αυτά συλλέχτηκαν και σχολιάστηκαν, ενώ αξιολογήθηκαν και οι αλγόριθμοι που χρησιμοποιήθηκαν. Μέσω αυτής της έρευνας επιδιώκεται η καλύτερη κατανόηση των προτιμήσεων των χρηστών προκειμένου να προσδιοριστούν μοτίβα και τάσεις στον τουριστικό τομέα αλλά και η εύρεση του καταλληλότερου αλγορίθμου για τα συγκεκριμένα δεδομένα.	el
dc.format.extent	77	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	Attribution-NonCommercial-NoDerivatives 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	Συναισθηματική ανάλυση	el
dc.subject	Tαξιδιωτικός κλάδος	el
dc.subject	Eξόρυξη δεδομένων	el
dc.subject	Συναισθηματικές προτιμήσεις	el
dc.title	Ανάλυση συναισθήματος προτιμήσεων χρηστών στον ταξιδιωτικό κλάδο με αλγορίθμους μηχανικής μάθησης	el
dc.title.alternative	Sentiment analysis of user preferences in the tourism sector using machine learning algorithms	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Κρούσκα, Ακριβή
dc.contributor.committee	Troussas, Christos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	This thesis aims to develop a complete market analysis in the field of the travel industry. Initially, a suitable data set was selected from the Kaggle platform which contains various tourist information concerning not only the hotels themselves, such as the name, location, category of the hotel, etc. but also information about the hotels themselves. users writing the review, such as their username, review rating and rating. The data set will first be analyzed, visualized and then processed so that we can fully understand our data and draw various conclusions, which will allow us to have a more complete picture and highlight important aspects of the market to detect customer preferences and analyze travel industry trends. User preferences will be considered taking into account the location they have visited and hotel amenities (such as breakfast offer) etc. In addition, the detection of emotional preferences and reactions of users based on their comments and reports will be studied. In the second part of the thesis, various machine learning and deep learning algorithms will be applied in order to train them on the data to be able to predict the scores from the review texts. These results will be collected and commented, while the algorithms used will be evaluated. Through this research you seek a better understanding of user preferences in order to identify patterns and trends in the tourism sector but also to find the most appropriate algorithm for the specific data.	el

Files in this item

Name:: Grigoropoulou_18390184.pdf
Size:: 2.182Mb
Format:: PDF

View/Open

Name:: ΔΗΛΩΣΗ_ΣΥΓΓΡΑΦΕΑ.pdf
Size:: 78.31Kb
Format:: PDF

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