dc.contributor.author |
Καρκόγλου, Ανθούσα
|
el |
dc.contributor.author |
Karkoglou, Anthousa
|
en |
dc.date.accessioned |
2017-12-11T13:04:35Z |
|
dc.date.available |
2017-12-11T13:04:35Z |
|
dc.date.issued |
2017-12-11 |
|
dc.identifier.uri |
https://dspace.lib.ntua.gr/xmlui/handle/123456789/46065 |
|
dc.identifier.uri |
http://dx.doi.org/10.26240/heal.ntua.14681 |
|
dc.rights |
Default License |
|
dc.subject |
Ανάλυση συναισθήματος |
el |
dc.subject |
Τεχνητή νοημοσύνη |
el |
dc.subject |
Αλγόριθμος βαθιάς μάθησης |
el |
dc.subject |
Υβριδική προσέγγιση |
el |
dc.subject |
Λεξικό συναισθήματος |
el |
dc.subject |
Γράφοι λέξεων |
el |
dc.subject |
Λεξιλογική προσέγγιση |
el |
dc.subject |
Συντακτική ανάλυση |
el |
dc.subject |
Sentiment analysis |
en |
dc.subject |
Hybrid method |
en |
dc.subject |
SentiWordNet |
en |
dc.subject |
Word graphs |
en |
dc.subject |
Deep learning |
en |
dc.subject |
Lexicon based approach |
en |
dc.title |
Υβριδική λεξιλογική προσέγγιση της μεθόδου γράφων λέξεων |
el |
heal.type |
bachelorThesis |
|
heal.classification |
Ανάλυση συναισθήματος |
el |
heal.language |
el |
|
heal.access |
free |
|
heal.recordProvider |
ntua |
el |
heal.publicationDate |
2017-10-24 |
|
heal.abstract |
Ανάλυση Συναισθήματος συνιστά ο γνωστικός τομέας εξαγωγής και αναγνώρισης συναισθηματικής φόρτισης και άποψης σε κείμενο φυσικής γλώσσας. Η ανάπτυξη της επιστήμης της Ανάλυσης Συναισθήματος συμπίπτει με την εκρηκτική ανάπτυξη του Διαδικτύου και, επομένως, με την εμφάνιση της ανάγκης οργάνωσης και νοηματοδότησης όλης της πληροφορίας που προσπελάζεται από το Διαδίκτυο. Η Ανάλυση Συναισθήματος απαντάται σε πολλούς τομείς όπου βρίσκει πληθώρα εφαρμογών, όπως στον τομέα της Επιχειρηματικής Ευφυΐας και της Πολιτικής. Σε τεχνικά πλαίσια, η υλοποίηση της εν λόγω επιστήμης μπορεί να πραγματοποιηθεί σε επίπεδο Βαθιάς Μάθησης (Deep Learning Algorithms), Λεξιλογικής Προσέγγισης (Lexicon Based Approach), είτε σε Υβριδικό επίπεδο που συνδυάζει τις δύο προηγούμενες προσεγγίσεις.
Στόχος της Διπλωματικής Εργασίας είναι η βελτιστοποίηση της Μεθόδου των Γράφων Λέξεων, η οποία συνιστά υλοποίηση βάσει Αλγορίθμου Βαθιάς Μάθησης. Σαφέστερα, επιχειρείται η δημιουργία μίας νέας Υβριδικής Μεθόδου, η οποία αξιοποιεί επιπρόσθετα τη συναισθηματική φόρτιση μεμονωμένων λέξεων σε συνδυασμό με την συντακτική θέση τους στο υπο μελέτη κείμενο. |
el |
heal.abstract |
Sentiment Analysis is the scientific sector of computational treatment of sentiment, o-
pinion and subjectivity in text. The appearance and the explosive development of opinion-
rich resources on the Internet have contributed to the development of Sentiment Analysis
and its implementation in many areas, such as Business Intelligence and Politics. In
technical terms, the implementation of Sentiment Analysis can be achieved with the assi-
stance of Deep Learning Algorithms, Lexicon Based Approaches or Hybrid Methods that
represent the combination of the first two methods.
This diploma thesis is concerned with the optimization of the method of Word Graphs.
The actualization of the latter is based on the extension of the already existing Deep
Learning Algorithm utilizing text features that stem from the Lexicon Based Approach of
the subject. That is the sentiment charge of individual words, as well as, their position
in the text and their syntactic relations and dependencies regarding the rest of the words
that consist the text under examination. |
en |
heal.advisorName |
Βαρβαρίγου, Θεοδώρα |
el |
heal.committeeMemberName |
Βαρβαρίγος, Εμμανουήλ |
el |
heal.committeeMemberName |
Ασκούνης, Δημήτριος |
el |
heal.committeeMemberName |
Βαρβαρίγου, Θεοδώρα |
el |
heal.academicPublisher |
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής |
el |
heal.academicPublisherID |
ntua |
|
heal.numberOfPages |
99 σ. |
|
heal.fullTextAvailability |
true |
|