| dc.contributor.advisor | Χαλκίδη, Μαρία | |
| dc.contributor.author | Κουτρίδη, Μαρία - Ελένη | |
| dc.date.accessioned | 2019-09-12T08:48:09Z | |
| dc.date.available | 2019-09-12T08:48:09Z | |
| dc.date.issued | 2019-07-23 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/12142 | |
| dc.description.abstract | Τα τελευταία χρόνια έχει αναπτυχθεί πληθώρα συστημάτων συστάσεων για να καλυφθούν οι επιχειρησιακές ανάγκες. Οι επιχειρήσεις τείνουν να χρησιμοποιούν πολύτιμα δεδομένα όπως π.χ. τις προτιμήσεις των χρηστών και τις ομοιότητες μεταξύ αντικειμένων με σκοπό να συστήσουν στους χρήστες προϊόντα αντίστοιχα με τις προτιμήσεις αυτές. Αυτή η διαδικασία είναι ευρέως γνωστή και χρησιμοποιείται σε διάφορες περιπτώσεις.
Η ανάλυση συναισθήματος (γνωστή και ως εξόρυξη γνώμης) είναι ένα πεδίο της επιστήμης της Ανάλυσης Φυσικής Γλώσσας που οικοδομεί συστήματα τα οποία επιδιώκουν να αναγνωρίσουν και να εξάγουν γνώμες μέσα από κείμενα. Συνήθως, πέρα από την αναγνώριση της γνώμης, τα συστήματα αυτά αναγνωρίζουν ιδιότητες της έκφρασης όπως π.χ. την πόλωση μιας άποψης (αν ο εκφραστής της είναι θετικά ή αρνητικά διακείμενος), το θέμα (θέμα μιας συζήτησης) και την αναγνώριση έκφρασης μιας άποψης (την ύπαρξη ξεκάθαρα υποκειμενικής και όχι αντικειμενικής γνώμης). Σήμερα, η ανάλυση συναισθήματος χρησιμοποιείται στην αυτοματοποίηση ανθρώπινων διαδικασιών όπως αυτές που προαναφέραμε. Ακόμα μια χρήση της ανάλυσης συναισθήματος είναι η αξιοποίηση της αυτοματοποίησης στην προσπάθεια εξαγωγής των απόψεων αυτών από διάφορες ιστοσελίδες, forums και μέσα κοινωνικής δικτύωσης. Με τη βοήθεια της ανάλυσης συναισθήματος, αυτή η αδόμητη πληροφορία μπορεί να μετατραπεί αυτόματα σε χρήσιμα δεδομένα για εμπορική χρήση, κριτικές προϊόντων, ανατροφοδότηση των καταναλωτών σχετικά με αυτά τα προϊόντα και εξυπηρέτηση πελατών.
Για την εκπόνηση αυτής της διπλωματικής εργασίας, δημιουργήθηκε ένα σύστημα συστάσεων ενισχυμένο με ανάλυση συναισθήματος. Αναλυτικότερα, σχεδιάστηκε αρχικά ένα μοντέλο ανάλυσης συναισθήματος με σκοπό να μπορεί να αντιστοιχήσει κριτικές κινηματογραφικών ταινιών με ένα σύστημα βαθμολόγησης με αστέρια, από ένα έως πέντε. Στη συνέχεια, δημιουργήθηκε ένα σύστημα συστάσεων με συνεργατικό φιλτράρισμα με βάση το αντικείμενο. Τέλος, έγινε συνδυασμός αυτών των δύο έτσι ώστε να μελετηθεί αν η μελέτη συναισθήματος μπορούσε να βελτιώσει ή ακόμα και να αντικαταστήσει την κλασσική βαθμολογία του χρήστη στα συστήματα συστάσεων. Στην διπλωματική εργασία αυτή επίσης μελετώνται πολλά συστήματα συστάσεων και καθορίζονται τα πλεονεκτήματα και μειονεκτήματα του καθενός. Επιπλέον, γίνονται μετρήσεις τόσο πάνω στο μοντέλο ανάλυσης συναισθήματος όσο και στο σύστημα συστάσεων, τα αποτελέσματα των οποίων αναλύονται. Το αντικείμενο της διπλωματικής εργασία αυτής είναι να ερευνήσει τον βαθμό στον οποίο η ανάλυση συναισθήματος μπορεί να βελτιώσει τα συστήματα προτάσεων. Η υλοποίηση συστημάτων συστάσεων ενισχυμένων με ανάλυση συναισθήματος αποσκοπεί στην εξερεύνηση της συμβολής και της σημασίας της εξόρυξης απόψεων στα συστήματα συστάσεων με μετρήσεις και παραδείγματα. Τέλος, η εργασία αυτή εξετάζει κατά πόσον η εξόρυξη απόψεων από τους χρήστες τους καθοδηγεί εν τέλει να λαμβάνουν χρήσιμες πληροφορίες για μελλοντικές συστάσεις. | el |
| dc.format.extent | 34 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Recommender systems using sentiment analysis | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | In recent years, a variety of recommender systems have been developed in order to meet business needs. Businesses aim in using valuable information such as user preferences and item similarities to recommend clients more and more relevant products. This process is well-known by now and it is used in a range of occasions.
Sentiment analysis (known as opinion mining) is a field within Natural Language Processing that builds systems that try to identify and extract opinions within text. Usually, besides identifying the opinion, these systems extract attributes of the expression e.g.: Polarity (if the speaker expresses a positive/negative opinion), Subject (the subject of a conversation) and Opinion holder (the person or entity that expresses the opinion). Currently, sentiment analysis is used in order to automate some human procedures like the above. Another use is taking advantage of this automation, and try to educe the expressing opinions that exist in many sites, forums and social media. With the help of sentiment analysis, this unstructured information could be automatically transformed into useful information for commercial application, product reviews, product feedback, and customer service.
For the purposes of this thesis, a recommendation system enhanced with sentiment analysis is built. Firstly, a sentiment analysis model was designed in order to be able to assign to a movie review a star rated from one to five. Secondly, an item-item collaborative filtering recommendation system was developed. Then the two of them were combined in order to study if the sentiment analysis could enhance or even replace the rating of the user in recommender systems. This thesis also investigates many types of recommendation systems and states the pros and cons of each one. Also, the sentiment analysis model as well as the recommendation system are measured and the measurements are analyzed.
The objective of this thesis is to investigate the degree of the enhancement that sentiment analysis offers to recommendation systems. This implementation of recommender systems boosted with sentiment analysis tries to explore the meaning and contribution with measurements and examples of opinion mining to recommendation systems. It also investigates whether extracting opinions from users steers the same users to get valuable information about future recommendations. | el |
| dc.contributor.master | Ψηφιακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Sentiment analysis | el |
| dc.subject.keyword | Recommender systems (Information filtering) | el |
| dc.subject.keyword | Machine learning | el |
| dc.date.defense | 2019-07-23 | |
