Ανάλυση συναισθήματος με χρήση υβριδικών n-grams

Κιούρτη, Παναγιώτα; Kiourti, Panagiota

dc.contributor.author	Κιούρτη, Παναγιώτα	el
dc.contributor.author	Kiourti, Panagiota	en
dc.date.accessioned	2015-12-01T12:41:44Z
dc.date.available	2015-12-01T12:41:44Z
dc.date.issued	2015-12-01
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/41722
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11089
dc.rights	Default License
dc.subject	Ανάλυση συναισθήματος	el
dc.subject	Sentiment analysis	en
dc.subject	N-gram γράφοι	el
dc.subject	Ταξινόμηση πολικότητας κειμένου	el
dc.subject	Επιβλεπόμενη μηχανική μάθηση	el
dc.subject	Απλοϊκό μοντέλο Bayes	el
dc.subject	N-gram graph	en
dc.subject	Polarity classification	en
dc.subject	Supervised machine learning	en
dc.subject	Naive Bayes model	en
dc.title	Ανάλυση συναισθήματος με χρήση υβριδικών n-grams	el
heal.type	bachelorThesis
heal.classification	Ανάλυση συναισθήματος	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-10-23
heal.abstract	Η ανάλυση συναισθήματος είναι ένας τομέας που αναπτύχθηκε από την ανάγκη αναγνώρισης του συναισθήματος της κοινής γνώμης πάνω σε ένα θέμα μέσα από τον μεγάλο όγκο πληροφορίας ελεύθερης μορφής που διατίθεται στο διαδίκτυο. Οι μέθοδοι ανάλυσης συναισθήματος περιλαμβάνουν μεταξύ άλλων και στατιστικές προσεγγίσεις με την χρήση αλγορίθμων μηχανικής μάθησης. Η εκπαίδευση των αλγορίθμων μηχανικής μάθησης χρησιμοποιώντας χαρακτηριστικά που εξάγονται από τα κείμενα παρέχουν ένα μοντέλο για την πρόβλεψη της πολικότητας νέων κειμένων. Στην εργασία αυτή μελετάμε την ανάλυση συναισθήματος σε δεδομένα κριτικής ταινιών με χρήση μηχανικής μάθησης και εξετάζουμε πώς η ακρίβεια ταξινόμησης της πολικότητας των κειμένων εξαρτάται από τον τρόπο με τον οποίο τα χαρακτηριστικά που εξάγουμε από τα κείμενα εκμεταλλεύονται τη δομή του. Μελετάμε μία μέθοδο που εξάγει χαρακτηριστικά χρησιμοποιώντας την σύνθεση του κειμένου με διαφορετικό τρόπο από ότι μία πιο κλασική μέθοδος. Συγκρίνουμε τις δυο μεθόδους και τις συνδυάζουμε για την δημιουργία μίας νέας προσέγγισης στον τομέα αυτό. Αξιολογούμε την σχετική επίδοση των τριών μοντέλων και την επίδραση παραμέτρων όπως το πλήθος των δεδομένων, ο αλγόριθμος μάθησης αλλά και η ύπαρξη ή όχι προεπεξεργασίας των κειμένων.	el
heal.advisorName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Βαρβαρίγος, Εμμανουήλ	el
heal.committeeMemberName	Λούμος, Βασίλειος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	162 σ.
heal.fullTextAvailability	true