Εύρεση της θεματικής των Tweets από την πυρκαγιά στην Εύβοια με αλγορίθμους Μηχανικής Μάθησης

Βακιάνη, Άννα Μαρία; Vakiani, Anna Maria

dc.contributor.author	Βακιάνη, Άννα Μαρία	el
dc.contributor.author	Vakiani, Anna Maria	en
dc.date.accessioned	2022-11-02T07:38:21Z
dc.date.available	2022-11-02T07:38:21Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56063
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23761
dc.rights	Default License
dc.subject	Μηχανική Μάθηση	el
dc.subject	Επεξεργασία Φυσικής Γλώσσας	el
dc.subject	Διαχείριση Φυσικών Καταστροφών	el
dc.subject	Ταξινόμηση	el
dc.subject	Machine Learning	en
dc.subject	Natural Language Processing	en
dc.subject	Disaster Management	en
dc.subject	Data Analysis	en
dc.subject	Classification	en
dc.subject	Ανάλυση Δεδομένων	el
dc.title	Εύρεση της θεματικής των Tweets από την πυρκαγιά στην Εύβοια με αλγορίθμους Μηχανικής Μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-07-12
heal.abstract	Τα μέσα κοινωνικής δικτύωσης αποτελούν αναπόσπαστο κομμάτι της ζωής πολλών ανθρώπων. Λόγω της αμεσότητας και της εύκολης πρόσβασης των χρηστών σε αυτές τις πλατφόρμες συγκεντρώνεται καθημερινά μεγάλος όγκος πληροφορίας, η ανάλυση της οποίας μπορεί να οδηγήσει σε χρήσιμα συμπεράσματα. Το Twitter είναι μία πλατφόρμα που αναπτύσσεται με γρήγορους ρυθμούς ως προς το πλήθος των χρηστών του και κατά συνέπεια ως προς τον όγκο των δεδομένων που παράγει, στα οποία προσφέρει εύκολη πρόσβαση. Αυτός είναι λόγος που η αξιοποίησή του αποτελεί μία από τις ευκαιρίες που εντοπίζουν οι σύγχρονοι αναλυτές. Χάρη στη γρήγορη παραγωγή δεδομένων που εντοπίζεται στο Twitter, αυτό μπορεί να αξιοποιηθεί σε τομείς όπως η αντιμετώπιση έκτακτων αναγκών και πιο συγκεκριμένα οι φυσικές καταστροφές, οι οποίες επηρεάζουν κάθε χρόνο τις ζωές χιλιάδων ανθρώπων. Στη συγκεκριμένη εργασία θα γίνει ανάκτηση δεδομένων από το Twitter με σκοπό την εύρεση των θεματικών τους κατά τη διάρκεια της πυρκαγιάς που ξέσπασε στην Εύβοια το καλοκαίρι του 2021. Αρχικά, θα αναλυθεί η διαδικασία συλλογής και προεπεξεργασίας των δεδομένων με μεθόδους Επεξεργασίας Φυσικής Γλώσσας. Στη συνέχεια, θα εφαρμοστεί η μέθοδος LDA για την μοντελοποίηση του κειμένου και την εξαγωγή συμπερασμάτων σχετικά με τις θεματικές τους. Στην πορεία θα εκπαιδευτούν και θα αξιολογηθούν αλγόριθμοι μηχανικής μάθησης που θα χρησιμοποιηθούν για την ταξινόμηση των δημοσιεύσεων ανάλογα με τη θεματική τους. Τέλος, θα γίνει μία εφαρμογή του μοντέλου σε δεδομένα από τις πυρκαγιές που ξέσπασαν στην Τουρκία την ίδια χρονική περίοδο.	el
heal.abstract	Social media nowadays play a significant role in the lives of many people across the globe. Due to the immediacy and the easy access they offer to their users, each day a vast amount of data is collected which could be analyzed in order to lead to interesting results. Twitter is a platform that is developing radically when it comes to its users and the data they are producing, when at the same time it provides easy access to these data for developers and researchers.This is the reason why modern researchers see high value in its investigation and utilization. Data in Twitter are being produced at high speed. This makes Twitter a useful source of information to be used in response to emergencies, such as natural disasters, which yearly affect the lives of thousands of people. The analysis of the given thesis primarily focuses on the topic detection of tweets, more specifically of data collected from Twitter related to the fire that happened in Euboea during the summer of 2021. First of all, the process of collecting and processing the data with Natural Language Processing techniques is going to be presented. Then, a topic modeling method, LDA, is going to be used in order to extract the needed information about the topic of each tweet. The next step will be to train and evaluate machine learning algorithms for the classification of tweets according to their topic. Lastly, there will be an application of the model to a similar disaster, more precisely the fires that happened in Turkey during the same time period.	en
heal.advisorName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Δούκας, Χρυσόστομος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	203 σ.	el
heal.fullTextAvailability	false