dc.contributor.advisor | Σωτηρόπουλος, Διονύσιος | |
dc.contributor.author | Κουρπάς - Δανάς, Αιμιλιανός | |
dc.date.accessioned | 2024-09-25T09:59:10Z | |
dc.date.available | 2024-09-25T09:59:10Z | |
dc.date.issued | 2024-07 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16795 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4217 | |
dc.description.abstract | Η έρευνα στον τομέα της ανάλυσης συναισθήματος αποτελεί καθιερωμένο πεδίο στην επεξεργασία της φυσικής γλώσσας, επιδιώκοντας την αναγνώριση των συναισθημάτων που εκφράζονται σε ένα κείμενο. Η αποτελεσματική εφαρμογή μοντέλων ανάλυσης συναισθήματος μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για την καλύτερη κατανόηση των αναγκών, απόψεων, συμπεριφορών και προτιμήσεων του ευρύτερου κοινού.
Για τον σκοπό αυτό, η ανάπτυξη των μοντέλων βασίστηκε στην προηγμένη αρχιτεκτονική των δικτύων μετασχηματιστών, με έμφαση στο εξειδικευμένο γλωσσικό μοντέλο βαθιάς μάθησης Greek-BERT. Αυτή η προσέγγιση επιτρέπει την υλοποίηση, εκπαίδευση και αξιολόγηση μοντέλων μηχανικής μάθησης με στόχο την ακριβή κατάταξη του περιεχομένου ενός κειμένου ως θετικό, αρνητικό ή ουδέτερο. Κεντρικό σημείο της έρευνας αποτελεί η εφαρμογή της τεχνικής ανάλυσης συναισθήματος σε αποσπάσματα κειμένου στην ελληνική γλώσσα, καταγεγραμμένα από μέσα κοινωνικής δικτύωσης. | el |
dc.format.extent | 60 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | * |
dc.title | Ανάλυση συναισθήματος σε κειμενικά δεδομένα με χρήση ταξινομητών BERT | el |
dc.title.alternative | Sentiment analysis on textual data using BERT classification models | el |
dc.type | Bachelor Dissertation | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | Research in the field of sentiment analysis is an established field in natural language processing, seeking to identify the emotions expressed in a text. The effective application of sentiment analysis models can be a useful tool to better understand the needs, opinions, attitudes and preferences of the public.
To this end, the development of the models was based on the advanced transformer network architecture, with a focus on the specialized deep learning language model Greek-BERT. This approach enables the implementation, training and evaluation of machine learning models to accurately classify the content of a text as positive, negative or neutral. The central focus of the research is the application of the sentiment analysis technique to text excerpts in Greek, recorded from social media. | el |
dc.subject.keyword | Ανάλυση συναισθήματος | el |
dc.subject.keyword | Εξόρυξη γνώμης | el |
dc.subject.keyword | Βαθιά μηχανική μάθηση | el |
dc.subject.keyword | Μετασχηματιστές | el |
dc.subject.keyword | Επεξεργασία φυσικής γλώσσας | el |
dc.date.defense | 2024-07-16 | |