dc.contributor.author | Αναστοπούλου, Νίκη![]() |
el |
dc.contributor.author | Anastopoulou, Niki![]() |
en |
dc.date.accessioned | 2020-12-09T12:17:49Z | |
dc.date.available | 2020-12-09T12:17:49Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/52425 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.20123 | |
dc.description | Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική” | el |
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 | Εξαγωγή πληροφοριών | el |
dc.subject | Συναισθηματική ανάλυση | el |
dc.subject | Οπτικοποίηση | el |
dc.subject | Επεξεργασία φυσικής γλώσσας | el |
dc.subject | Γεωχωρικά σημασιολογικά δεδομένα | el |
dc.subject | Information extraction | en |
dc.subject | Sentiment analysis | en |
dc.subject | Natural language processing | en |
dc.subject | Visualization | en |
dc.subject | Geospatial semantic data | en |
dc.title | Εξαγωγή, ανάλυση και οπτικοποίηση γεωχωρικών σημασιολογικών πληροφοριών και συναισθημάτων από κείμενα για την κλιματική αλλαγή. | el |
dc.title | Semantic Information Extraction – Sentiment Analysis and Visualization of Geospatial texts on Climate Change | en |
heal.type | masterThesis | |
heal.classification | Εξαγωγή Πληροφοριών & Συναισθηματική Ανάλυση Γεωχωρικών Δεδομένων | el |
heal.classification | Επεξεργασία Φυσικής Γλώσσας | el |
heal.classification | Τεχνητή Νοημοσύνη | el |
heal.classification | Εξόρυξη Κειμένων | el |
heal.classification | Γλωσσολογία | el |
heal.classification | Information Extraction and Sentiment Analysis of Geospatial Data | en |
heal.classification | Natural Language Processing | en |
heal.classification | Artificial Intelligence | en |
heal.classification | Text Mining | en |
heal.classification | Linguistics | en |
heal.classification | Cognitive Maps | en |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2020-07-22 | |
heal.abstract | Αδιαμφισβήτητα, τα τελευταία χρόνια τα δεδομένα και οι πληροφορίες θεωρούνται πολύτιμα “αγαθά”, καθώς ο άνθρωπος έχει κατανοήσει τη σπουδαιότητά τους σε ό,τι αφορά τη διαδικασία λήψης αποφάσεων και την επίλυση πολύπλοκων προβλημάτων. Ωστόσο, υπάρχει μια πρόκληση. Η καταγραφή της πλειοψηφίας αυτών των δεδομένων και πληροφοριών γίνεται μέσω του γραπτού λόγου (κείμενα), ο οποίος δεν αποτελεί δομημένη μορφή κατάλληλη ώστε να μπορούν οι ηλεκτρονικοί υπολογιστές να τον επεξεργαστούν. Για τον λόγο αυτό έχουν αναπτυχθεί μέθοδοι και εργαλεία τα οποία εντοπίζουν και εξάγουν τις απαραίτητες πληροφορίες από κείμενα. Οι μέθοδοι αυτές ανήκουν στο πεδίο της Τεχνικής Νοημοσύνης (Artificial Intelligence) το οποίο ονομάζεται Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing). Επιπλέον, το μεγαλύτερο ποσοστό των σημερινών δεδομένων είναι γεωχωρικά, δηλαδή συνδέονται άμεσα ή έμμεσα με τον γεωγραφικό χώρο, ο οποίος προσδίδει ακόμα μεγαλύτερη αξία στα δεδομένα. Έτσι, έχει υπάρξει η ανάγκη εξερεύνησης και ανάπτυξης μεθόδων και τεχνικών ικανών να ταυτίσουν τη γνώση που περιέχεται στον γραπτό λόγο, με τον γεωγραφικό χώρο, επιτρέποντας με αυτόν τον τρόπο την αναζήτηση δεδομένων, πληροφοριών και γνώσεων με βάση χωρικά κριτήρια. Σκοπός της παρούσας εργασίας είναι η εξαγωγή, ανάλυση και οπτικοποίηση γεωχωρικών σημασιολογικών πληροφοριών και συναισθημάτων από κείμενα σχετικά με την κλιματική αλλαγή. Συγκεκριμένα, από σύνολο 20 κειμένων, εξάγονται περιβαλλοντικοί όροι, τοποθεσίες και συναισθήματα μέσω δωρεάν λογισμικών ανοικτού κώδικα. Κατόπιν, γίνεται ανάλυση των αποτελεσμάτων προκειμένου να κατανοηθεί ποια ανθρώπινα συναισθήματα συνδέονται με ποιους περιβαλλοντικούς όρους και με ποιες τοποθεσίες. Με άλλα λόγια γίνεται μια προσπάθεια να κατανοηθούν τα συναισθήματα του ανθρώπου, σχετικά με το περιβάλλον και την κλιματική αλλαγή, έναντι περιβαλλοντικών όρων και τοποθεσιών. | el |
heal.abstract | Nowadays, data and information are considered valuable "assets", as humans have realised their importance in terms of the decision-making process and solving complex problems. However, there is a challenge. The majority of data and information are stored in texts, which are not structured formats, as a result, computers are unable to process them. Thereby, tools and techniques have been developed, in order to locate and extract valuable information from texts. The above-mentioned tools and techniques belong to the field of Artificial Intelligence, called Natural Language Processing. Furthermore, the majority of data are geospatial, i.e. they are related, directly or indirectly, to geographical locations, which add even more value to the data. Thus, there has been a need to explore and develop methods and techniques capable of linking the knowledge contained in texts to the geographical locations, making possible the search of such data using spatial criteria. The purpose of this dissertation is to extract, analyze and visualize geospatial semantic information and emotions from texts on climate change. More detailed, environmental terms, locations and emotions are extracted from a dataset of 20 texts, written in natural language, through open free source software. Moreover, the results are analyzed in order to understand which specific human emotions are associated with environmental terms and/or locations. In other words, an attempt is made to understand how the human feelings, concerning the environment and climate change, are linked to specific environmental terms and locations. | en |
heal.sponsor | Ίδρυμα Κρατικών Υποτροφιών & Εθνική Τράπεζα της Ελλάδος | el |
heal.sponsor | State Scholarships Foundation & National Bank of Greece | en |
heal.advisorName | Κάβουρας, Μαρίνος | el |
heal.advisorName | Kavouras, Marinos | en |
heal.committeeMemberName | Κάβουρας, Μαρίνος | el |
heal.committeeMemberName | Κόκλα, Μαργαρίτα | el |
heal.committeeMemberName | Τομαή, Ελένη | el |
heal.academicPublisher | Σχολή Αγρονόμων και Τοπογράφων Μηχανικών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 182 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: