Ανεύρεση και ανάλυση αισθήματος κριτικών και λημμάτων
με τεχνικές μηχανικής μάθησης

Αλεβίζος, Επαμεινώνδας; Αλεξανδρινάκη, Δήμητρα; Alevizos, Epameinondas; Alexandrinaki, Dimitra

dc.contributor.author	Αλεβίζος, Επαμεινώνδας	el
dc.contributor.author	Αλεξανδρινάκη, Δήμητρα	el
dc.contributor.author	Alevizos, Epameinondas	en
dc.contributor.author	Alexandrinaki, Dimitra	en
dc.date.accessioned	2020-11-09T11:27:51Z
dc.date.available	2020-11-09T11:27:51Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51817
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19515
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	Μηχανική μάθηση	el
dc.subject	Ανάλυση αισθήματος	el
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Πολικότητα	el
dc.subject	Λέξεις-κλειδιά	el
dc.subject	Σχόλια	el
dc.subject	Machine learning	en
dc.subject	Sentiment analysis	en
dc.subject	keyword extraction	en
dc.subject	Sentiment	en
dc.subject	Reviews	en
dc.title	Ανεύρεση και ανάλυση αισθήματος κριτικών και λημμάτων με τεχνικές μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-03-13
heal.abstract	Οι διαδικτυακές αγορές έχουν αναπτυχθεί ταχύτατα τις τελευταίες δεκαετίες με αποτέλεσμα πολλές εταιρείες ηλεκτρονικού εμπορίου να έχουν δημιουργηθεί για να καλύψουν την αυξανόμενη ζήτηση. Στο πλαίσιο αυτό το Amazon είναι ένας από τους κολλοσούς του ηλεκτρονικού εμπορίου και χρησιμοποιείται καθημερινά από την πλειοψηφία των ανθρώπων για τις αγορές τους. Η εταιρεία αυτή προσφέρει πληθώρα ελεύθερων δεδομένων η ανάλυση των οποίων αξιοποιείται σε πολλούς τομείς, όπως η ενημέρωση των καταναλωτών αλλά και των πάροχων προϊόντων. Στην παρούσα διπλωματική ασχολούμαστε με τα σχόλια χρηστών που παρέχει το Amazon για κάθε προϊόν με σκοπό τον εντοπισμό ενός πιθανού ελλατώματός του. Σε αρχικό στάδιο χρησιμοποιώντας έναν αλγόριθμο επιβλεπόμενης μηχανικής μάθησης, συγκεκριμένα έναν ταξινομητή, γίνεται η ανάλυση αισθήματος για κάθε σχόλιο των προϊόντων που επιλέχθησαν , με σκοπό τον καθορισμό της πολικότητάς τους. Με στόχο τη βελτίωση της απόδοσης του επιλεγμένου αλγορίθμου χρησιμοποιείται και μία μέθοδος ημι-επιβλεπόμενης μάθησης που ονομάζεται self-training. Στη συνέχεια με τη βοήθεια στατιστικών μεθόδων έγινε η εύρεση των σημαντικότερων λέξεων ,λέξεων-κλειδιών, για το εκάστοτε προϊον ,οι οποίες αναδεικνύουν το ελλάτωμά του και συνεπώς το που χρήζει βελτίωσης. Τα προϊόντα που επιλέχθησαν από το Amazon για τις ανάγκες της παρούσας διπλωματικής ανήκουν στην κατηγορία electronics. Τέλος για να καλυφθούν οι υπολογιστικοί πόροοι που απαιτεί η αποθήκευση ενός τέτοιου μεγάλου όγκου δεδομένων χρησιμοποιήσαμε την elasticsearch ως βάση αποθήκευσης και επεξεργασίας δεδομένων.	el
heal.advisorName	Βενιέρης, Ιάκωβος	el
heal.committeeMemberName	Βενιέρης, Ιάκωβος	el
heal.committeeMemberName	Κακλαμάνη, Δήμητρα-Θεοδώρα	el
heal.committeeMemberName	Ματσόπουλος, Γιώργος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	123 σ.	el
heal.fullTextAvailability	false