Σύστημα υποστήριξης αποφάσεων για την αγορά προϊόντων βασισμένο σε ανάλυση συναισθήματος
Loading...
Date
2023-07-14
Authors
Μαραζιώτης, Ορέστης
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα διπλωματική εργασία επιδιώκει να επιλύσει ένα πρόβλημα που
αντιμετωπίζουν οι καταναλωτές στη σύγχρονη αγορά προϊόντων. Η πληθώρα των επιλογών
που παρέχονται στους καταναλωτές δημιουργεί πολυπλοκότητα και ανταγωνιστικότητα,
καθώς οι αποφάσεις αγοράς επηρεάζονται από παραμέτρους όπως η ποιότητα, η τιμή, οι
προσωπικές προτιμήσεις και οι συναισθηματικές αντιδράσεις. Η δυνατότητα των
καταναλωτών να λαμβάνουν αποφάσεις αγοράς που ανταποκρίνονται στις ατομικές τους
ανάγκες και προτιμήσεις είναι ζωτικής σημασίας.
Ο στόχος της εργασίας είναι η ανάπτυξη ενός συστήματος υποστήριξης αποφάσεων
βασισμένου στην ανάλυση συναισθήματος, το οποίο παρέχει την απαραίτητη πληροφορία
στους καταναλωτές για να λαμβάνουν ενημερωμένες αποφάσεις αγοράς. Το σύστημα αυτό
επιτρέπει στους καταναλωτές να αντιμετωπίζουν τον όγκο των διαθέσιμων προϊόντων και να
επιλέγουν αυτά που ικανοποιούν καλύτερα τις ανάγκες και τις προτιμήσεις τους, προσφέροντας
μεγαλύτερη ικανοποίηση.
Για την υλοποίηση του συστήματος, χρησιμοποιήθηκαν αλγόριθμοι μηχανικής
μάθησης, καθώς αποδείχθηκε ότι προσφέρουν καλύτερη απόδοση και ακρίβεια στην
αναγνώριση συναισθημάτων. Η εργασία εξετάζει διάφορες προσεγγίσεις για την αναγνώριση
συναισθημάτων, με τη χρήση κανόνων, προκαθορισμένων μοντέλων και αλγορίθμων
μηχανικής μάθησης. Η χρήση αλγορίθμων μηχανικής μάθησης επιτυγχάνει καλύτερη ακρίβεια
στην αναγνώριση συναισθημάτων. Η υλοποίηση του συστήματος βασίστηκε στις βιβλιοθήκες
Scikit-learn, TensorFlow και Keras.io, που παρέχουν ισχυρά εργαλεία και πλαίσια για την
ανάπτυξη αλγορίθμων μηχανικής μάθησης.
Η εργασία παρουσιάζει τη διαδικασία ανάπτυξης του συστήματος υποστήριξης
αποφάσεων βασισμένου στην ανάλυση συναισθήματος. Κάθε κεφάλαιο παρουσιάζει μια
συνολική άποψη για το πρόβλημα που επιδιώκεται να επιλυθεί, τις χρησιμοποιούμενες
μεθόδους και τα επιτεύγματα. Αναλύονται οι διάφοροι αλγόριθμοι και τεχνικές που
χρησιμοποιούνται για την αναγνώριση συναισθημάτων, ενώ παρουσιάζεται επίσης μια
εισαγωγή στη μηχανική μάθηση και την εφαρμογή της στην ανάλυση συναισθημάτων.
Επιπλέον, παρέχονται λεπτομερείς περιγραφές της αρχιτεκτονικής του συστήματος και των
χρησιμοποιούμενων τεχνολογιών για τη διεκπεραίωση τη παρούσας διπλωματικής εργασίας.
Τέλος, παρουσιάζονται τα συμπεράσματα της εργασίας και προτείνονται μελλοντικές
επεκτάσεις και κατευθύνσεις για περαιτέρω έρευνα στον τομέα της ανάλυσης συναισθημάτων
με χρήση αλγορίθμων μηχανικής μάθησης. Η παρούσα διπλωματική εργασία επιτρέπει στον
αναγνώστη να αποκτήσει μια πλήρη κατανόηση του προβλήματος που αντιμετωπίζεται και των
προτεινόμενων λύσεων με τη χρήση αλγορίθμων μηχανικής μάθησης. Η διπλωματική εργασία
διαρθρώνεται ως εξής:
• Κεφάλαιο 1: Εισαγωγή, όπου παρουσιάζεται το πρόβλημα, η σημασία του και η
μεθοδολογία που χρησιμοποιήθηκε για την επίλυσή του. Επίσης, περιγράφεται η
δομή της εργασίας.
• Κεφάλαιο 2: Ανάλυση των αλγορίθμων και τεχνικών αναγνώρισης
συναισθημάτων, με εστίαση σε μηχανική μάθηση και τις χρησιμοποιούμενες
βιβλιοθήκες.
• Κεφάλαιο 3: Εισαγωγή στη μηχανική μάθηση, περιγραφή των βασικών
αλγορίθμων και μεθόδων, παραδείγματα εφαρμογών και συζήτηση ηθικών
ζητημάτων.
viii
• Κεφάλαιο 4: Περιγραφή των τεχνικών Topic Modelling που χρησιμοποιήθηκαν
για την ανάλυση συναισθημάτων στην εργασία.
• Κεφάλαιο 5: Περιγραφή της αρχιτεκτονικής του συστήματος και των
τεχνολογιών που χρησιμοποιήθηκαν, ανάλυση πειραμάτων και παρουσίαση
αποτελεσμάτων αξιολόγησης.
• Κεφάλαιο 6: Συμπεράσματα, μελλοντικές επεκτάσεις και προτάσεις για
περαιτέρω έρευνα στον τομέα της ανάλυσης συναισθημάτων με χρήση
αλγορίθμων μηχανικής μάθησης.
Επομένως, η διπλωματική εργασία προσφέρει μια ολοκληρωμένη μελέτη σχετικά με
την ανάπτυξη ενός συστήματος υποστήριξης αποφάσεων βασισμένου στην ανάλυση
συναισθήματος. Οι αναγνώστες μπορούν να αποκτήσουν μια ευρεία κατανόηση του
προβλήματος, των προτεινόμενων λύσεων και των μεθόδων που χρησιμοποιούνται, καθώς και
να εξετάσουν την αποτελεσματικότητα και την ακρίβεια του συστήματος.
Description
Keywords
Αγορά προϊόντων, Ανάλυση συναισθήματος, Μηχανική μάθηση