| dc.contributor.advisor | Αναγνωστόπουλος, Ιωάννης | |
| dc.contributor.author | Τζάνα, Ασημίνα | |
| dc.date.accessioned | 2022-02-04T06:51:32Z | |
| dc.date.available | 2022-02-04T06:51:32Z | |
| dc.date.issued | 2021-12 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/14084 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1507 | |
| dc.description.abstract | Η ανάλυση συναισθήματος η εξόρυξη γνώμης είναι ένα επιστημονικό πεδίο που ολοένα και κεντρίζει το ενδιαφέρον των εταιριών. Με την ανάλυση συναισθήματος μπορούμε να προβλέψουμε αποτελεσματικά πολλές συμπεριφορές μεγάλου πλήθους ανθρώπων. Τα κοινωνικά δίκτυα έχουν πλέον ενταχτεί στη ζωή του σύγχρονου ανθρώπου σε τέτοιο βαθμό που όχι απλά βοηθούν στην επικοινωνία αλλά πλέον επηρεάζουν και υποκινούν αφού πλέον αποτελούν μεγάλο μέρος της ζωής του ανθρώπου. Ένα μεγάλο μέρος των δεδομένων που παράγονται καθημερινά, παράγεται στα μέσα κοινωνικής δικτύωσης. Συγκεκριμένα το Twitter αποτελεί ένα κοινωνικό δίκτυο μεγάλου επιστημονικού ενδιαφέροντος για τον τομέα της ανάλυσης συναισθήματος αφού το πλήθος των δημοσιεύσεων καθώς και η ευχρηστία του Twitter API, επιτρέπουν την εξόρυξη μεγάλης ποσότητας δεδομένων. Στη παρούσα μελέτη, θα κατασκευαστεί εξ’ ολοκλήρου ένα σύστημα συναισθηματικής ανάλυσης από δεδομένα προερχόμενα από το Twitter. Τα δεδομένα αφορούν δημοσιεύσεις (tweets) στην Ελληνική γλώσσα που σχετίζονται με το εμβόλιο του κορονοϊού. Προτείνεται μια υβριδική μέθοδος ανάλυσης συναισθήματος στην οποία αρχικά μαζεύεται ένα ικανοποιητικό δείγμα δημοσιεύσεων οι οποίες αρχικά θα βαθμολογηθούν συναισθηματικά και στη συνέχεια θα χρησιμοποιηθούν σαν input για την εκπαίδευση ενός μοντέλου μηχανικής μάθησης. Τέλος, το μοντέλο που εκπαιδεύτηκε θα γίνει deploy με το web framework Flask. | el |
| dc.format.extent | 99 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Συναισθηματική ανάλυση δημοσιεύσεων χρηστών κοινωνικών δικτύων με εφαρμογή στο Twitter | el |
| dc.title.alternative | Sentiment analysis on Twitter Greek data | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | Sentiment analysis or opinion mining is a very interesting scientific field that is currently gaining a lot of interest in a lot of different fields. By using Sentiment Analysis techniques, we can predict efficiently people’s mind and behavior around a specific field. Social Media nowadays are not only a way to communicate but they have become a powerful way to manipulate as well as influence individuals. Social media have become a big part of individual’s everyday life. A big percentage of nowadays data is located on social media. Specifically, Twitter is a very powerful tool with incredible scientific interest in sentiment analysis field because of the incredible amount of data that a researcher can mine easily through Twitter API. This research is proposing a Greek sentiment analysis system from scratch. Our dataset consists of tweets collected from Twitter Streaming API in Greek language. The topic that those data are about is the Covid-19 vaccine that has been a very popular topic some months now.
This thesis is proposing a hybrid approach of sentiment analysis that can be used in Greek data. We first collected the dataset that consists of tweets in Greek language. Secondly, we used a rule-based method for classify the tweets in the right sentiment class. Thirdly, we trained a machine learning classifier that used the rated tweets as an input in order to predict the sentiment of a new dataset that we collected. Finally, we made a sentiment analysis simple app by deploying the machine learning model using Flask. | el |
| dc.contributor.master | Ψηφιακός Πολιτισμός, Έξυπνες Πόλεις, IoT και Προηγμένες Ψηφιακές Τεχνολογίες | el |
| dc.subject.keyword | NLP | el |
| dc.subject.keyword | Sentiment analysis | el |
| dc.subject.keyword | Επεξεργασία φυσικής γλώσσας | el |
| dc.subject.keyword | Κοινωνικά δίκτυα | el |
| dc.subject.keyword | Machine learning | el |
| dc.subject.keyword | Python | el |
| dc.subject.keyword | Twitter | el |
| dc.subject.keyword | Ανάλυση συναισθήματος | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Social media | el |
| dc.date.defense | 2021-12-15 | |
