dc.contributor.advisor | Sotiropoulos, Dionisios | |
dc.contributor.advisor | Σωτηρόπουλος, Διονύσιος | |
dc.contributor.author | Vidali - Soula, Dafni | |
dc.contributor.author | Βιδάλη - Σούλα, Δάφνη | |
dc.date.accessioned | 2021-12-08T12:27:48Z | |
dc.date.available | 2021-12-08T12:27:48Z | |
dc.date.issued | 2021-05 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13930 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1353 | |
dc.description.abstract | Στόχος της παρούσας εργασίας είναι να παρουσιάσει τον αλγόριθμο AIRS-x, ο οποίος έχει προταθεί ως
εναλλακτική διαμόρφωση του αλγορίθμου Artificial Immune System (AIRS). Ο AIRS αποτελεί αλγόριθμο
που πραγματοποιεί ταξινόμηση έπειτα από μάθηση με επίβλεψη και ο οποίος προέρχεται από τον τομέα
των Τεχνητών Ανοσοποιητικών Συστημάτων (AIS), αλγορίθμων που εμπνέονται από το ανοσοποιητικό
σύστημα. Παρουσιάζεται μια ευρεία επισκόπηση της μηχανικής μάθησης και της ανοσολογίας,
περιγράφεται η ανάδυση των Τεχνητών Ανοσοποιητικών Συστημάτων ως υπολογιστικού παραδείγματος
βασισμένου σε μεταφορές από τη βιολογία και εξερευνείται το αντικείμενο και το εύρος των εφαρμογών
του νέου αυτού πεδίου. Στη συνέχεια, εισάγεται ο αλγόριθμος AIRS και περιγράφεται η ροή εργασιών του,
τα πλεονεκτήματα και οι αδυναμίες του. Επίσης, η εργασία προβάλλει τη νέα διαμόρφωση που προτάθηκε
από τους Giatzitzoglou (2018) και Giatzitzoglou et al. (2019), δηλαδή τον αλγόριθρμο AIRS-x, αναδεικνύει
τις βελτιστοποιήσεις που παρέχει, εξερευνεί τις μεταβλητές του και την πολλά-υποσχόμενη χρήση του ως
εργαλείο ανάλυσης συναισθημάτων. Τέλος, προτείνονται θέματα για περαιτέρω έρευνα. | el |
dc.format.extent | 68 | el |
dc.language.iso | en | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | 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.title | Artificial immune systems for sentiment analysis | el |
dc.title.alternative | Τεχνητά ανοσοποιητικά συστήματα για την ανάλυση συναισθήματος | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | This thesis aims to present AIRS-x, an alternative formulation to the Artificial Immune System (AIRS)
algorithm. AIRS is a supervised learning classification algorithm, which has emerged from the field of
Artificial Immune Systems (AIS) – or algorithms inspired by immunological concepts. We present a broad
overview of machine learning and immunology; we describe how AIS emerged as a computational
paradigm based on biological metaphors; and we explore the scope and the wide range of applications of
this relatively novel field. Furthermore, we introduce the AIRS algorithm, describing its workflow, its
advantages, and its limitations. In addition, the thesis showcases a novel formulation submitted by
Giatzitzoglou (2018) and Giatzitzoglou et al. (2019), the AIRS-x algorithm, indicates how it enhances the
original, explores its newly introduced parameters and its promise as a sentiment analysis tool. Finally, it
suggests paths for future exploration. | el |
dc.contributor.master | Πληροφορική | el |
dc.subject.keyword | Artificial immune systems | el |
dc.subject.keyword | Artificial Immune Recognition Systems (AIRS) | el |
dc.subject.keyword | Sentiment analysis | el |
dc.subject.keyword | Artificial intelligence | el |
dc.subject.keyword | Machine learning | el |
dc.subject.keyword | Classification | el |
dc.date.defense | 2021-05-05 | |