Συγκριτική μελέτη τεχνικών αποθήκευσης ροών δεδομένων και αλγορίθμων μηχανικής μάθησης για ανάλυση συναισθημάτων βασισμένη σε κείμενο

Βερνικός, Γεώργιος; Vernikos, Georgios

dc.contributor.author	Βερνικός, Γεώργιος	el
dc.contributor.author	Vernikos, Georgios	en
dc.date.accessioned	2020-07-30T09:28:10Z
dc.date.available	2020-07-30T09:28:10Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51010
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18708
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Ανάλυση συναισθημάτων	el
dc.subject	Ανάλυση κειμένου	el
dc.subject	Ροές δεδομένων	el
dc.subject	Data mining	en
dc.subject	Machine learning	en
dc.subject	Sentiment analysis	en
dc.subject	Text classification	en
dc.subject	Data streams	en
dc.title	Συγκριτική μελέτη τεχνικών αποθήκευσης ροών δεδομένων και αλγορίθμων μηχανικής μάθησης για ανάλυση συναισθημάτων βασισμένη σε κείμενο	el
dc.title	A comparative study of data stream storage techinques and machine learning algorithms for text-content based analysis of emotions	en
heal.type	bachelorThesis
heal.classification	Προχωρημένη μηχανική μάθηση	el
heal.classificationURI	http://data.seab.gr/concepts/d5cf140063d31fceb414be6c8dcb4654ffd3efcf
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-09-26
heal.abstract	Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η εξόρυξη και επεξεργασία δεδομένων σε πραγματικό χρόνο με σκοπό την χρήσιμη εξαγωγή συμπερασμάτων για τα συναισθήματα του κοινού για ορισμένα θέματα . Τα δεδομένα τα οποία χρησιμοποιούνται προέρχονται εξ ολοκλήρου από κοινωνικά δίκτυα και συγκεκριμένα το Twitter το οποίο κάνει διαθέσιμο ένα μέρος των δεδομένων που υποβάλλονται στην πλατφόρμα του σε πραγματικό χρόνο. Τα δεδομένα μετά την εξόρυξή τους αποθηκεύονταν προσωρινά σε μια βάση δεδομένων έτσι ώστε να διευκολυνθεί η επεξεργασία τους ανά δέσμη δεδομένων (batch analysis) για τη συναισθηματική τους ανάλυση. Για την επεξεργασία των δεδομένων χρησιμοποιήθηκαν δυο εργαλεία που διευκολύνουν και καθιστούν πολύ αποτελεσματικότερη τη διαχείριση και την επεξεργασία μεγάλου όγκου δεδομένων σε πραγματικό χρόνο : το Apache Storm και το Apache Spark. Tέλος, για την ανάλυση συναισθήματος χρησιμοποιήθηκαν μέθοδοι μηχανικής μάθησης όπως ταξινομητές Naïve Bayes, Μηχανές Διανυσματικής Στήριξης καθώς και Λογιστική Παλινδρόμηση (Logistic Regression).	el
heal.advisorName	Βενιέρης, Ιάκωβος	el
heal.committeeMemberName	Κακλαμάνη, Δήμητρα-Θεοδώρα	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Βενιέρης, Ιάκωβος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Ευφυών Επικοινωνιών και Δικτύων Ευρείας Ζώνης	el
heal.academicPublisherID	ntua
heal.numberOfPages	95 σ.
heal.fullTextAvailability	true