Νευρωνικά δίκτυα Transformer για την ταξινόμηση συναισθήματος
| dc.contributor.advisor | Σωτηρόπουλος, Διονύσιος | |
| dc.contributor.author | Νικολούζου, Αργυρώ Παναγιώτα | |
| dc.date.accessioned | 2024-12-16T15:29:18Z | |
| dc.date.available | 2024-12-16T15:29:18Z | |
| dc.date.issued | 2024-12 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17255 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4678 | |
| dc.description.abstract | Σε αυτήν την εργασία φαίνεται πώς μπορούν να χρησιμοποιηθούν τα νευρωνικά δίκτυα Transformer για την ταξινόμηση συναισθήματος. Πιο συγκεκριμένα χρησιμοποιείται το προεκπαιδευμένο μοντέλο BERT το οποίο είναι βασισμένο στην αρχιτεκτονική των μετασχηματιστών (Transformer) για γλωσσική μοντελοποίηση ώστε να πραγματοποιηθεί ανάλυση συναισθήματος στο σύνολο δεδομένων GoEmotions. Αρχικά γίνεται αναφορά στους λόγους για τους οποίους είναι σημαντική η ταξινόμηση συναισθήματος καθώς και σε έρευνες που έχουν γίνει πάνω σε αυτή. Στην συνέχεια φαίνονται οι αρχιτεκτονικές βασικών τύπων νευρωνικών δικτύων, του μοντέλου transformer και του μοντέλου BERT και γίνεται περιγραφή του συνόλου δεδομένων GoEmotions. Ύστερα, παρουσιάζονται τα αποτελέσματα της ταξινόμησης και πραγματοποιείται αξιολόγηση αυτής μέσω των κατάλληλων μέτρων. Τέλος, παρατίθενται τα συμπεράσματα που βγήκαν από την ταξινόμηση και δίνονται προτάσεις για μελλοντική έρευνα. | el |
| dc.format.extent | 62 | el |
| dc.language.iso | el | 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 | Νευρωνικά δίκτυα Transformer για την ταξινόμηση συναισθήματος | el |
| dc.title.alternative | Transformer neural networks for sentiment classification | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis shows how Transformer neural networks can be used for sentiment classification. Specifically, the pre-trained BERT model which is based on the Transformer architecture for linguistic modelling is used to perform sentiment analysis on the GoEmotions dataset. Firstly, the reasons why sentiment classification is important and the research that has been done on it are discussed. Then, the architectures of basic types of neural networks, the transformer model and the BERT model are shown and a description of the GoEmotions dataset is given. Afterwards, the results of the classification are presented and its evaluation through the appropriate metrics is done. Finally, the conclusions drawn from the classification are listed and suggestions for future research are given. | el |
| dc.contributor.master | Ψηφιακός Πολιτισμός, Έξυπνες Πόλεις, IoT και Προηγμένες Ψηφιακές Τεχνολογίες | el |
| dc.subject.keyword | Νευρωνικά δίκτυα | el |
| dc.subject.keyword | Transformer | el |
| dc.subject.keyword | Ταξινόμηση συναισθήματος | el |
| dc.date.defense | 2024-12-02 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα