Μελέτη αποδοτικότητας αλγορίθμων μηχανικής μάθησης για παραμετροποιημένες εισόδους

Μαγκαφά, Μαρίνα; Magkafa, Marina

dc.contributor.author	Μαγκαφά, Μαρίνα	el
dc.contributor.author	Magkafa, Marina	en
dc.date.accessioned	2019-04-01T09:11:07Z
dc.date.available	2019-04-01T09:11:07Z
dc.date.issued	2019-04-01
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48556
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16012
dc.rights	Default License
dc.subject	Ανάλυση συναισθήματος	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Βάσεις δεδομένων	el
dc.subject	Πολικότητα κειμένου	el
dc.subject	Ταξινόμηση	el
dc.subject	Sentiment analysis	en
dc.subject	Polarity text	en
dc.subject	Machine learning	en
dc.subject	Document classification	en
dc.subject	Database	el
dc.title	Μελέτη αποδοτικότητας αλγορίθμων μηχανικής μάθησης για παραμετροποιημένες εισόδους	el
heal.type	bachelorThesis
heal.classification	Βάσεις δεδομένων	el
heal.classification	Big data	en
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh2012003227
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2018-09-28
heal.abstract	Ο τομέας της ανάλυσης συναισθημάτων αναπτύχθηκε τα τελευταία χρόνια από την ανάγκη για εξαγωγή γνώμης και συναισθημάτων με αυτοματοποιημένο τρόπο από μεγάλο όγκο δεδομένων παραγόμενων από χρήστες, που διατίθεται ελεύθερα στο διαδίκτυο. Για τον σκοπό αυτό γίνεται χρήση μεθόδων που στηρίζονται σε τεχνικές μηχανικής μάθησης. Με την εκπαίδευση των αλγορίθμων μηχανικής μάθησης με χρήση χαρακτηριστικών κειμένων που γνωρίζουμε την πολικότητα τους, κατασκευάζονται μοντέλα για την πρόβλεψη της πολικότητας νέων κειμένων. Στο πλαίσιο αυτό, η παρούσα εργασία μελετά την ανάλυση συναισθήματος σε δεδομένα κριτικής ταινιών και επιχειρήσεων, με τη χρήση τριών αλγορίθμων μηχανικής μάθησης, με σκοπό την ανίχνευση της πολικότητας τους. Πιο συγκεκριμένα, εξετάζουμε την μεταβολή της απόδοσης κάθε αλγορίθμου, σε κάθε βάση δεδομένων, για διαφορετικές παραμέτρους του συνόλου εκπαίδευσης. Οι βασικές παράμετροι των μοντέλων, που μελετάμε την επίδρασή τους, είναι το πλήθος των δεδομένων, το είδος της βάσης δεδομένων και η χρήση κειμένων στο σύνολο εκπαίδευσης με πιο έντονη ή με περισσότερο αμφιλεγόμενη έκφραση της πολικότητας τους.	el
heal.abstract	The field of sentiment analysis has been developed in recent years by the need for opinion and sentiment extraction in an automated way from a large volume of user-generated data, freely available on the Internet. For this purpose, methods based on machine learning techniques are used. By training the machine learning algorithms, using attributes from texts which we know their polarity, models are constructed to predict the polarity of new texts. In this context, this thesis studies the sentiment analysis in movie and business reviews data, using three machine learning algorithms, in order to detect their polarity. More specifically, we examine how the performance of each algorithm changes, in each database for different parameters of the training set. The basic parameters of the models in the study are the number of data, the type of database and the use of texts in the training set with a more pronounced or more controversial expression of their polarity.	en
heal.advisorName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	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	76 σ.	el
heal.fullTextAvailability	true