Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
https://hdl.handle.net/20.500.14279/12884| Τίτλος: | Εξόρυξη γνώσης σε σχόλια του facebook: μελέτη περίπτωσης samsung | Συγγραφείς: | Χατζηευαγγέλου, Επιφάνειος | Λέξεις-κλειδιά: | Ταξινόμηση κειμένου;Σχολιασμός χαρακτηριστικών σχολίων;Ανάλυση συναισθήματος;Μηχανική μάθηση | Advisor: | Τσαπατσούλης, Νικόλας | Ημερομηνία Έκδοσης: | Μαΐ-2018 | Department: | Department of Communication and Internet Studies | Faculty: | Faculty of Communication and Media Studies | Περίληψη: | Τα σχόλια του Facebook αποτελούν ένα νέο τρόπο για την ανάλυση συναισθήματος. Το API Facebook μας επιτρέπει στο να μαζέψουμε όση ποσότητα σχολίων επιθυμούμε για να τα χρησιμοποιήσουμε για σκοπούς ανάλυσης συμπεριλαμβανομένων και της συναισθηματικής. Η ανάλυση μπορεί να γίνεται για σκοπούς θεμάτων όπως Μάρκετινγκ, εκλογές και γενικά στάσεις ανθρώπων για κάποιο συγκεκριμένο θέμα. Τα σχόλια στο Facebook έχουν κάποιες ιδιαιτερότητες και διαφορές από ένα συνηθισμένο κείμενο τα οποία μπορούν να χρησιμοποιηθούν για πρωτόγνωρες ταξινομήσεις κειμένων. Μερικές από αυτές τις ιδιαιτερότητες είναι ταemoticonsτα οποία κάνουν πιο ευδιάκριτο το συναίσθημα του σχολιαστή. Επιπλέον τα σχόλια είναι ανεπίσημα και αδόμητα και δεν υπολογίζονται οι ορθογραφία, η γραμματική και η σύνταξη. Από όλα τα χαρακτηριστικά των σχολίων κανένα δεν κρίθηκε κατάλληλο και αποδοτικό για να δημιουργηθεί ένα μοντέλο ταξινόμησης. Στην παρούσα μελέτη θα γίνει ταξινόμηση σε σχόλια του Facebook που έχουν θέμα τις απόψεις των χρηστών για προϊόντα της Samsungκαι θα χρησιμοποιηθούν διάφορα χαρακτηριστικά για την ταξινόμηση τους από τους αλγόριθμους. Μερικά από αυτά τα χαρακτηριστικά που θα χρησιμοποιηθούν για την ταξινόμηση των σχολίων είναι το λεξικό συναισθημάτων, η διανυσματική αναπαράσταση λέξεων και τα n-grams. Για όλα τα χαρακτηριστικά που θα χρησιμοποιηθούν θα γίνει έλεγχος των επιδόσεων των ταξινομητών. | Description: | Facebook's comments are a new way to sentiment analysis. The Facebook API allows us to collect the amount of feedback we want to use for analysis, including emotional. The analysis can be done for purposes such as Marketing, elections and general attitudes of people on a particular subject. Comments on Facebook have some peculiarities and differences from a common text that can be used for unprecedented text classifications. Some of these peculiarities are the emoticons that make the commentator's feel more distinct. In addition, comments are informal and unstructured, and spelling, grammar and syntax are not counted. From all of the commentary features, it was not considered appropriate and efficient to create a classification model. This study will be categorized Facebook users' views about Samsung products and will use different attributes to classify them by algorithms. Some of these properties that will be used to classify comments are the emotion dictionary, the vector representation of words and n-grams. For all the features to be used, the performance of the classifiers will be checked. | URI: | https://hdl.handle.net/20.500.14279/12884 | Rights: | Απαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κάτοχου των πνευματικών δικαιωμάτων. | Type: | Bachelors Thesis | Affiliation: | Cyprus University of Technology |
| Εμφανίζεται στις συλλογές: | Πτυχιακές Εργασίες/ Bachelor's Degree Theses |
Αρχεία σε αυτό το τεκμήριο:
| Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
|---|---|---|---|---|
| Abstract Epifaneios Chatzievangelou.pdf | περίληψη | 289.29 kB | Adobe PDF | Δείτε/ Ανοίξτε |
CORE Recommender
Page view(s) 50
299
Last Week
2
2
Last month
10
10
checked on 19 Μαϊ 2024
Download(s) 50
115
checked on 19 Μαϊ 2024
Google ScholarTM
Check
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα