Ανάλυση δεδομένων μεγάλου όγκου ανθρωπιστικών και οικονομικών επιστημών με τεχνικές μηχανικής μάθησης και χρήση τεχνολογιών υπολογιστικού νέφους

Περίληψη

Η Ανάλυση Συναισθήματος έχει διερευνηθεί εκτενώς τα τελευταία χρόνια ως μέθοδος ταξινόμησης των ανθρώπινων συναισθημάτων σε συγκεκριμένα γεγονότα, προϊόντα, υπηρεσίες κ.λπ. Θεωρείται ως ένα πολύ σημαντικό πρόβλημα, ειδικά για οργανισμούς ή εταιρείες που θέλουν να γνωρίζουν την άποψη των καταναλωτών για τους προϊόντα και υπηρεσίες. Σε συνδυασμό με την εξέλιξη των μέσων κοινωνικής δικτύωσης, έχει καθιερωθεί ως ένας ενδιαφέρον τομέας έρευνας. Μέσω των social media, οι άνθρωποι τείνουν να εκφράζουν τις απόψεις ή τα συναισθήματά τους, όπως ευτυχία ή λύπη σε καθημερινή βάση. Έτσι, ο τεράστιος όγκος των διαθέσιμων δεδομένων έχει καταστήσει τις υπάρχουσες λύσεις ακατάλληλες και η ανάγκη για αυτοματοποιημένες μεθόδους ανάλυσης είναι επιτακτική. Σε αυτή τη διατριβή, εξετάστηκε η ανάλυση πολικότητας συναισθήματος σε δεδομένα από το Twitter σε ένα κατανεμημένο περιβάλλον, γνωστό ως Apache Spark. Πιο συγκεκριμένα, σε αυτή τη διατριβή προτείνονται τρεις αλγόριθμοι ταξινόμησης για ανάλυση συναισθήματ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Sentiment Analysis has been extensively investigated in recent years as a method of human emotions’ classification to specific events, products, services etc. It is considered as a very important problem, especially for organizations or companies who want to know the consumers’ view about their products and services. In combination with the evolution of social media, it has been established as an interesting domain of research. Through social media, people tend to express their opinions or feelings, such as happiness or sadness on a daily basis. Thus, the vast amount of available data has made the existing solutions inappropriate and the need for automated analysis methods is imperative. In this thesis, it was examined sentiment polarity analysis on Twitter data in a distributed environment, known as Apache Spark. More specially, in this thesis are propose three classification algorithms for tweet level sentiment analysis in Spark due to its suitability for Big Data processing against ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/51196
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/51196
ND
51196
Εναλλακτικός τίτλος
Big data analysis in humanities and economics with machine learning techniques and use of cloud computing technologies
Συγγραφέας
Θεοδωρακόπουλος, Λεωνίδας του Παναγιώτης
Ημερομηνία
2022
Ίδρυμα
Πανεπιστήμιο Πατρών. Σχολή Διοίκησης και Οικονομίας. Τμήμα Διοίκησης Επιχειρήσεων
Εξεταστική επιτροπή
Σταματίου Ιωάννης
Πέππας Παύλος
Σιούτας Σπυρίδων
Λυκοθανάση Σπυρίδων
Γιωτόπουλος Κωνσταντίνος
Παπαδόπουλος Δημήτριος
Γιαννούκου Ιωάννα
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ ➨ Υπολογιστές, Υλικό (hardware) και Αρχιτεκτονική
Λέξεις-κλειδιά
Δεδομένα μεγάλου όγκου; Οικονομική αβεβαιότητα; Μηχανική μάθηση
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., σχημ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)