Ομαδοποίηση και κατηγοριοποίηση δεδομένων σύντομων κειμένων

Μπάνος, Ιωάννης

dc.contributor.advisor	Τασουλής, Σωτήριος
dc.contributor.author	Μπάνος, Ιωάννης
dc.date.accessioned	2026-04-02T12:43:13Z
dc.date.available	2026-04-02T12:43:13Z
dc.date.issued	2026-03
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/19119
dc.description.abstract	Η παρούσα διπλωματική εργασία εξετάζει την κατηγοριοποίηση και ομαδοποίηση δεδομένων σύντομων κειμένων με εφαρμογή σε κριτικές ασθενών για φαρμακευτικές αγωγές. Στόχος της μελέτης είναι η ανάλυση συναισθήματος των κριτικών, καθώς και η ανίχνευση υποκείμενων μοτίβων που συνδέονται με τις εμπειρίες και την ικανοποίηση των ασθενών. Αρχικά παρουσιάζεται το θεωρητικό υπόβαθρο της μηχανικής μάθησης, τόσο εποπτευόμενης όσο και μη εποπτευόμενης, μαζί με τις κύριες μεθόδους εξόρυξης δεδομένων και επεξεργασίας φυσικής γλώσσας. Το σύνολο δεδομένων υφίσταται εκτενή προεπεξεργασία κειμένου και εξαγωγή χαρακτηριστικών μέσω BoW, TF-IDF και Word2Vec για την καλύτερη εφαρμογή των αλγορίθμων. Στο πλαίσιο της εποπτευόμενης μάθησης εφαρμόζονται ταξινομητές όπως Naive Bayes, Logistic Regression, Ridge, LinearSVC και SGD, ενώ στην μη εποπτευόμενη μάθηση υλοποιούνται οι αλγόριθμοι K-means και HDBSCAN για την ομαδοποίηση και οι PCA και UMAP για τη μείωση διαστάσεων και την οπτικοποίηση. Και στις δύο κατηγορίες αναλύονται τα εξωτερικά και εσωτερικά μέτρα αξιολόγησης των αλγορίθμων με σκοπό την σύγκριση τους. Τα αποτελέσματα αναδεικνύουν τις θεματικές ενότητες που κυριαρχούν στις κριτικές και επιβεβαιώνουν ότι ορισμένες μέθοδοι ταξινόμησης και ομαδοποίησης επιτυγχάνουν υψηλότερη ακρίβεια και συνοχή. Η εργασία καταλήγει ότι η συνδυαστική χρήση τεχνικών NLP και μοντέλων μηχανικής μάθησης αποτελεί αποτελεσματικό εργαλείο για την κατανόηση σύνθετων προτύπων σε δεδομένα σύντομων κειμένων.	el
dc.format.extent	70	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	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	Ομαδοποίηση και κατηγοριοποίηση δεδομένων σύντομων κειμένων	el
dc.title.alternative	Supervised and unsupervised learning for short text data	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης	el
dc.description.abstractEN	This thesis examines the classification and clustering of short text data with application to patient reviews of pharmaceutical treatments. The aim of the study is to analyze the sentiment of the reviews, as well as to detect underlying patterns associated with patient experiences and satisfaction. Initially, the theoretical background of machine learning, both supervised and unsupervised, is presented, along with the main methods of data mining and natural language processing. The dataset undergoes extensive text preprocessing and feature extraction via BoW, TF-IDF and Word2Vec for the best application of the algorithms. In the context of supervised learning, classifiers such as Naive Bayes, Logistic Regression, Ridge, LinearSVC and SGD are applied, while in unsupervised learning, the algorithms K-means and HDBSCAN are implemented for clustering and PCA and UMAP for dimensionality reduction and visualization. In both categories, the external and internal evaluation metrics of the algorithms are analyzed for more meaningful comparison. The results highlight the thematic units that dominate the reviews and confirm that certain classification and clustering methods achieve higher accuracy and consistency. The paper concludes that the combined use of NLP techniques and machine learning models is an effective tool for understanding complex patterns in short text data.	el
dc.contributor.master	Εφαρμοσμένη Στατιστική	el
dc.subject.keyword	Classification	el
dc.subject.keyword	Clustering	el
dc.subject.keyword	Drug review	el
dc.subject.keyword	Sentiment analysis	el
dc.subject.keyword	Machine learning	el
dc.date.defense	2026-03-24

Files in this item

Name:: Banos_3115.pdf
Size:: 2.262Mb
Format:: PDF
Description:: Μεταπτυχιακή διατριβή

View/Open

This item appears in the following Collection(s)

Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα