Ανάλυση συναισθήματος και εξόρυξη γνώμης των χρηστών του twitter σχετικά με τον covid-19 με χρήση τεχνικών βαθιάς μάθησης
| datacite.contributor.RelatedPerson | Χρήστος Μακρής | |
| datacite.contributor.RelatedPerson | Γεώργιος Παυλίδης | |
| datacite.contributor.Supervisor | Σπύρος Σιούτας | |
| datacite.rights | http://purl.org/coar/access_right/c_abf2 | el |
| dc.contributor.author | Βερνίκου, Σωτηρία-Καλλιόπη | |
| dc.contributor.other | Vernikou, Sotiria-Kalliopi | |
| dc.date.accessioned | 2021-09-28T05:09:00Z | |
| dc.date.available | 2021-09-28T05:09:00Z | |
| dc.date.copyright | 2021-09-27 | |
| dc.degree | masterThesis | el |
| dc.description.abstract | Η παρούσα διπλωματική εργασία πραγματεύεται την ανάλυση των συναισθημάτων και την εξόρυξη της γνώμης των χρηστών από δεδομένα που προέρχονται από το κοινωνικό δίκτυο του Twitter. Μέσω του Twitter δίνεται η δυνατότητα στους χρήστες να διαβάζουν μηνύματα (τα λεγόμενα "tweets") άλλων χρηστών, καθώς επίσης και να εκφράζουν τις δικές τους απόψεις. Λόγω του μεγάλου όγκου των χρηστών που χρησιμοποιούν την πλατφόρμα, το Twitter έχει αξιοποιηθεί ευρέως από την επιστημονική κοινότητα για ανάλυση των δεδομένων που δημοσιοποιείται σε αυτό. Η περίπτωση που εξετάζεται στην συγκεκριμένη εργασία είναι αυτή του COVID-19. Ο COVID-19 αποτελεί μία μολυσματική ασθένεια που εμφανίστηκε στα τέλη του 2019, ενώ ανακηρύχθηκε σε πανδημία το Μάρτιο του επόμενου έτους. Η έξαρση της νόσου έχει οδηγήσει σε κατακόρυφη αύξηση αναρτήσεων και σχολίων από τους χρήστες των μέσων κοινωνικής δικτύωσης, με μια πληθώρα συναισθημάτων να εντοπίζονται σε αυτά. Στόχος της εργασίας αυτής είναι η κατηγοριοποίηση των συναισθημάτων των χρηστών από αναρτήσεις στο Twitter που αφορούν τη νόσο. Για την επίτευξη αυτού, γίνεται επεξεργασία των δεδομένων και γλωσσολογική ανάλυση αυτών με χρήση διαφόρων τεχνικών επεξεργασίας της φυσικής γλώσσας. Η ανάλυση των συναισθημάτων και η εξόρυξη της γνώμης υλοποιήθηκε με ένα νευρωνικό δίκτυο μακράς βραχυπρόθεσμης μνήμης (LSTM), το οποίο είναι ένα ανατροφοδοτούμενο νευρωνικό δίκτυο με δυνατότητα εκμάθησης μακροπρόθεσμων εξαρτήσεων. | el |
| dc.description.translatedabstract | This diploma thesis focuses on the users' sentiment analysis and opinion mining on data derived from the social platform of Twitter. Through Twitter, users are given the opportunity to read posts (the well-known "tweets") of others, while posting their own. Due to the large number of users that access the platform, the scientific community has taken great advantage of Twitter, by analyzing the data that are published on it. The case examined in this thesis is that of the pandemic of COVID-19. COVID-19 is an infectious disease with its first recorded cases identified in late 2019, while on March of 2020 it was declared as a pandemic. The outbreak of the disease has led to a sharp increase in posts and comments from social media users, with a plethora of emotions being found in them. The ultimate purpose of this thesis is the classification of the users' emotions from posts related to COVID-19 that originate from Twitter. In order to accomplish this, the data are processed and analyzed linguistically with the use of several natural language techniques. The sentiment analysis and opinion mining were implemented by utilizing Long Short-Term Memory (LSTM) neural network, which is a recurrent neural network capable of learning long-term dependencies. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/15218 | |
| dc.language.iso | gr | el |
| dc.subject | Ανάλυση συναισθήματος | el |
| dc.subject | Κορονοϊός | el |
| dc.subject.alternative | Sentiment analysis | el |
| dc.subject.alternative | Covid-19 | el |
| dc.title | Ανάλυση συναισθήματος και εξόρυξη γνώμης των χρηστών του twitter σχετικά με τον covid-19 με χρήση τεχνικών βαθιάς μάθησης | el |
| dc.title.alternative | Sentiment analysis and opinion mining on covid-19 tweets using deep learning techniques | el |
| oaire.licenseCondition | null | el |