Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
| datacite.contributor.Supervisor | Σπύρος Σιούτας | |
| datacite.contributor.Supervisor | Μακρής Χρήστος | |
| datacite.contributor.Supervisor | Μεγαλοοικονόµου Βασίλειος | |
| datacite.rights | http://purl.org/coar/access_right/c_abf2 | el |
| dc.contributor.author | Χαρίσης, Θωμάς | |
| dc.contributor.other | Charisis, Thomas | |
| dc.date.accessioned | 2021-12-03T06:35:40Z | |
| dc.date.available | 2021-12-03T06:35:40Z | |
| dc.date.copyright | 2021-11-26 | |
| dc.degree | masterThesis | el |
| dc.description.abstract | Στις μέρες μας το διαδίκτυο αναπτύσσεται με ιλιγγιώδεις ρυθμούς, αποτελώντας αναπόσπαστο κομμάτι της καθημερινότητας δισεκατομμυρίων ανθρώπων παγκοσμίως. Αντικείμενο της παρούσας διπλωματικής αποτελεί η αξιοποίηση του περιεχομένου που παράγεται από τους χρήστες του διαδικτύου (User Generated Content – UGC) με τη μορφή κειμένων αναρτήσεων, αξιολογήσεων και απόψεων, στις ενέργειες marketing επιχειρήσεων και οργανισμών. Εστιάζουμε στην εξαγωγή του συναισθήματος από κείμενα ως μεθόδου σφυγμομέτρησης της κοινής γνώμης για θέματα που αφορούν σε εμπορικά σήματα, προϊόντα, ονόματα εταιρειών, και την αξιοποίηση της πληροφορίας αυτής στην αξιολόγηση των ενεργειών marketing και γενικότερα τη διαμόρφωση της στρατηγικής marketing. Πιο συγκεκριμένα, χρησιμοποιούμε την μεταφορά μάθησης μέσω του state-of-the-art προ-εκπαιδευμένου γλωσσικού μοντέλου Greek BERT, το οποίο κάνουμε fine tune με training datasets δεδομένων από το Ελληνικό διαδίκτυο, και αφορούν τόσο σε γενικά όσο και σε εμπορικού ενδιαφέροντος δημοσιευμένες αναφορές τις οποίες συλλέξαμε με την εταιρεία Palo για τις ανάγκες της εργασίας μας. Τέλος, παρουσιάζουμε τα αποτελέσματα του μοντέλου αυτού για το πρόβλημα της ταξινόμησης κειμένων βάσει των τριών συναισθημάτων: θετικό, αρνητικό και ουδέτερο, καταλήγοντας στο συμπέρασμα ότι η προτεινόμενη μέθοδος επιτυγχάνει ικανοποιητικά αποτελέσματα ως προς την ακρίβεια και το F1-score. | el |
| dc.description.translatedabstract | Nowadays, we are experiencing the booming expansion of the internet into the day-to-day lives of billions of people worldwide. This study is focusing on the exploitation of the User Generated Content - UGC generated by internet users in the format of text posts, ratings and opinions for the marketing activities of businesses and organisations. More specifically, we are focusing on the sentiment extraction from text as a tool for understanding the public opinion about brand names, products and matters and leveraging it in order to adjust the marketing strategy. In order to achieve sentiment extraction, we are using the transfer learning technique through the Greek BERT, a state-of-the-art, pre-trained linguistic model, which we are fine-tuning with training datasets consisting of data collected from the Greek internet. The training data have been collected with the contribution of Palo from Greek websites, forums, blogs and social media. We are using our linguistic model for the task of classification of web & social media content into three classes, based on the predominant sentiment: positive, negative, neutral. The outcome of our tests are evaluated as satisfactory based on the metrics of accuracy and F1-score. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/15658 | |
| dc.language.iso | gr | el |
| dc.subject | Κοινωνικά δίκτυα | el |
| dc.subject | Αναγνώριση συναισθήματος | el |
| dc.subject | Επιχειρηματική ευφυΐα | el |
| dc.subject | Εξόρυξη δεδομένων | el |
| dc.subject | Εξόρυξη γνώσης | el |
| dc.subject | Μηχανική μάθηση | el |
| dc.subject | Δεδομένα μεγάλης κλίμακας | el |
| dc.subject | Επεξεργασία φυσικής γλώσσας | el |
| dc.subject | Ανάλυση δεδομένων | el |
| dc.subject | Μεταφορά γνώσης | el |
| dc.subject.alternative | Social media networks | el |
| dc.subject.alternative | Sentiment analysis | el |
| dc.subject.alternative | Business intelligence | el |
| dc.subject.alternative | Data mining | el |
| dc.subject.alternative | Knowledge extraction | el |
| dc.subject.alternative | Social media marketing | el |
| dc.subject.alternative | Machine learning | el |
| dc.subject.alternative | Big data analytics | el |
| dc.subject.alternative | BERT | el |
| dc.subject.alternative | Natural language processing | el |
| dc.subject.alternative | Transfer learning | el |
| dc.subject.alternative | Data analysis | el |
| dc.title | Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing | el |
| dc.title.alternative | Large-scale commercial data analysis with marketing applications | el |
| oaire.licenseCondition | null | el |