Εξαγωγή, ανάλυση και οπτικοποίηση γεωχωρικών σημασιολογικών πληροφοριών και συναισθημάτων από κείμενα για την κλιματική αλλαγή.

Αναστοπούλου, Νίκη; Anastopoulou, Niki

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