dc.contributor.author |
Πετρόπουλος, Παναγιώτης
|
el |
dc.contributor.author |
Petropoulos, Panagiotis
|
en |
dc.date.accessioned |
2016-06-21T07:13:09Z |
|
dc.date.available |
2016-06-21T07:13:09Z |
|
dc.date.issued |
2016-06-21 |
|
dc.identifier.uri |
https://dspace.lib.ntua.gr/xmlui/handle/123456789/42754 |
|
dc.identifier.uri |
http://dx.doi.org/10.26240/heal.ntua.10560 |
|
dc.rights |
Default License |
|
dc.subject |
Ανάλυση συναισθήματος |
el |
dc.subject |
Κοινωνικά δίκτυα |
el |
dc.subject |
Μη επιβλεπόμενη μάθηση |
el |
dc.subject |
Λεξικά |
el |
dc.subject |
Μικρο-ιστολόγια |
el |
dc.subject |
Ταξινομητής |
el |
dc.subject |
Sentiment analysis |
en |
dc.subject |
Social networks |
en |
dc.subject |
Un supervised learning |
en |
dc.subject |
Lexicon |
en |
dc.subject |
Microblogs |
en |
dc.subject |
Classifier |
en |
dc.title |
Μελέτη τεχνικών και εργαλείων ανάλυσης συναισθήματος |
el |
heal.type |
bachelorThesis |
|
heal.classification |
Κοινωνικά δίκτυα |
el |
heal.language |
el |
|
heal.access |
free |
|
heal.recordProvider |
ntua |
el |
heal.publicationDate |
2015-10-15 |
|
heal.abstract |
Τα τελευταία χρόνια, με την αυξανόμενη χρήση Web 2.0 εφαρμογών έχουν δημιουργηθεί καινούργιοι τρόποι επικοινωνίας. Τα μέσα κοινωνικής δικτύωσης περιέχουν ένα θησαυρό πληροφοριών, μεταξύ των οποίων γνώμες και συναισθήματα των χρηστών τους και ο σκοπός της Ανάλυσης Συναισθήματος είναι να βγάλει χρήσιμα συμπεράσματα από αυτά. Ειδικότερα, οι επιχειρήσεις μπορούν να αξιοποιήσουν αυτές τις πληροφορίες ώστε να γίνουν πιο ανταγωνιστικές και να βελτιώσουν το επίπεδο των παρεχόμενων προϊόντων και υπηρεσιών τους. Πιο συγκεκριμένα, η παρούσα διπλωματική εργασία ασχολείται με τις τεχνικές και τα εργαλεία της ανάλυσης συναισθήματος. Παρουσιάζονται κατηγορίες στις οποίες μπορεί να ενταχθεί η ανάλυση συναισθήματος, ως προς τις χρήσεις της, και παραδείγματα αυτών. Έπειτα, σε τεχνικό επίπεδο, παρατίθενται οι κατηγορίες σε σχέση με την προσέγγιση κειμένου, και σε σχέση με την προσέγγιση της τεχνικής που ακολουθούμε κατά την διαδικασία. Ύστερα, εξετάζονται εκτεταμένα οι κατηγορίες των
τεχνικών οι οποίες είναι οι τεχνικές με λεξικά, τεχνικές με επιβλεπόμενη μηχανική μάθηση, τεχνικές μη-επιβλεπόμενη μηχανική μάθηση, υβριδικές τεχνικές. Παρουσιάζονται
παραδείγματα από μελέτες πάνω στην κάθε κατηγορία και συγκεντρωτικοί πίνακες που βοηθούν στην επισκόπηση της τεχνολογίας αιχμής και εξάγονται χρήσιμα συμπεράσματα. Έπειτα, με γνώμονα τη χρησιμότητα της ανάλυσης συναισθήματος γενικά, αλλά και ειδικότερα στις επιχειρήσεις, γίνεται επισκόπηση των εφαρμογών και δίνονται παραδείγματα αυτών. Τέλος, συμπεραίνονται κάποιες χρήσιμες παρατηρήσεις για την παρούσα κατάσταση που βρίσκεται η ανάλυση συναισθήματος, αλλά και για το μέλλον αυτής. |
el |
heal.abstract |
In recent years, the widespread use of Internet and Web 2.0, has revolutionized the computer and communication world like nothing before, giving birth to new ways of communication and social interactivity. Social networks contain a great amount of information, including user sentiments and opinions, Sentiment Analysis helps to make useful conclusions out of them. Companies take into consideration and integrate into their business planning these conclusions, in order to become more competitive and increase their overall performance in today's market. In particular, this diploma thesis is about the various techniques and tools of sentiment analysis. Sentiment analysis is categorized in regard of its use, where examples are featured and, on a technical aspect, in relation to the text processing and the applied analysis technique.
Then, those techniques are being extensively examined and grouped under the following categories: the lexicon based technique, the supervised machine learning, the unsupervised machine learning, and the combination of the above. Proceeding, examples of studies in each category and tables that help review the state of the art technology are presented and useful conclusions are drawn. Also, according to the general usefulness of the sentiment analysis especially in business, applications are reviewed along some practical examples of their use. Finally, useful observations on the current level of sentiment analysis and concideration for its future are deduced |
en |
heal.advisorName |
Ασκούνης, Δημήτριος |
el |
heal.committeeMemberName |
Ψαρράς, Ιωάννης |
el |
heal.committeeMemberName |
Ασημακόπουλος, Βασίλειος |
el |
heal.committeeMemberName |
Ασκούνης, Δημήτριος |
el |
heal.academicPublisher |
Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων |
el |
heal.academicPublisherID |
ntua |
|
heal.numberOfPages |
118 σ. |
|
heal.fullTextAvailability |
true |
|