Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.14279/34957| Title: | Τεχνολογικές Επωνυμίες στο Instagram: Μια Πολυτροπική Υπολογιστική Προσέγγιση για Ανάλυση Περιεχομένου | Authors: | Σπύρου, Χρύσανθος | Keywords: | Τεχνολογικές Επωνυμίες;Instagram;Πολυτροπικά Δεδομένα;Ανάλυση Συναισθήματος;Μοντελοποίηση θεματολογίας;LLM | Advisor: | Djouvas, Constantinos Voutsa, Maria C. |
Issue Date: | May-2025 | Department: | Department of Communication and Internet Studies | Faculty: | Faculty of Communication and Media Studies | Abstract: | Ο κύριος σκοπός αυτής της έρευνας είναι να μελετήσει τις εικόνες και το κείμενο των αναρτήσεων (posts) στο Instagram των κορυφαίων 20 τεχνολογικών επωνυμιών (technological brands) και να αναγνωρίσει πώς οι χρήστες ανταποκρίνονται σε αυτές τις δημοσιεύσεις. Χρησιμοποιώντας προηγμένες μεθόδους υπολογιστικής όρασης (computer vision), επεξεργασίας φυσικής γλώσσας (NLP) και μεγάλων γλωσσικών μοντέλων (LLM), η έρευνα εφαρμόζει ανάλυση συναισθήματος (sentiment analysis), συναισθηματική ανάλυση (emotional analysis) και μοντελοποίηση θεματολογίας (topic modeling) σε πολυτροπικά δεδομένα (multimodal data). Τα αποτελέσματα της έρευνας ανέδειξαν ότι η συνεκτική χρήση συναισθημάτων, θεματικών μοτίβων και οπτικής συνέπειας ενισχύει την αναγνωρισιμότητα και την αλληλεπίδραση με τις δημοσιεύσεις των τεχνολογικών επωνυμιών στο Instagram. | Description: | The primary aim of this study is to examine the images and textual content of Instagram posts shared by the top 20 technological brands and to identify how users respond to this content. Utilizing advanced methods of computer vision, natural language processing (NLP) and large language models (LLMs), the study applies sentiment analysis, emotional analysis and topic modeling to multimodal data. The findings revealed that the cohesive use of emotions, thematic patterns and visual consistency enhances brand recognition and user engagement with the Instagram posts of technological brands. | URI: | https://hdl.handle.net/20.500.14279/34957 | Rights: | Attribution-NonCommercial-NoDerivatives 4.0 International | Type: | Bachelors Thesis | Affiliation: | Cyprus University of Technology |
| Appears in Collections: | Πτυχιακές Εργασίες/ Bachelor's Degree Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Spyrou_Chrysanthos_2025_BSC-abstract.pdf | abstract | 240.43 kB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
150
Last Week
3
3
Last month
33
33
checked on Nov 13, 2025
Download(s) 50
18
checked on Nov 13, 2025
Google ScholarTM
Check
This item is licensed under a Creative Commons License
