{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1320901"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1320901","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Aspect Miner: Λεπτομερής εξόρυξη γνώμης σε επίπεδο γνωρισμάτων από συλλογές βαθμολογημένων κριτικών","abstract":"Ο παγκόσμιος ιστός προσφέρει τεράστιες ποσότητες ιδιοπαραγόμενου περιεχομένου, συμπεριλαμβανομένων και κριτικών. Οι κριτικές αυτές, ανεξάρτητα αν αφορούν προϊό-ντα, υπηρεσίες, βιβλία, μουσική ή ταινίες, αποτελούν πρώτης τάξης στόχο για την ε-φαρμογή τεχνικών ανάλυσης γνώμης. Σε αυτή την εργασία παρουσιάζουμε το Aspect Miner, ένα ολοκληρωμένο σύστημα εξόρυξης γνώμης που ειδικεύεται σε κριτικές χρη-στών που δημοσιεύονται στο διαδίκτυο. Αξιοποιώντας τις βαθμολογίες χρηστών που συχνά συνοδεύουν αυτές τις κριτικές, το Aspect Miner μπορεί να εκπαιδευτεί ώστε να διακρίνει όχι μόνο μεταξύ θετικού και αρνητικού συναισθήματος, αλλά και μεταξύ πολ-λαπλών βαθμίδων έντασης. Επιπλέον, το Aspect Miner είναι ικανό να κατηγοριοποιεί γνώμες τόσο σε επίπεδο προτάσεων όσο και σε επίπεδο αξιολογικών γνωρισμάτων, και είναι προσαρμόσιμο σε κείμενα οποιασδήποτε θεματικής περιοχής. Το σύστημα δομείται γύρω από τρεις βασικές εργασίες: (i) την κατηγοριοποίηση υπο-κειμενικών όρων (ii) την αναγνώριση γνωρισμάτων και (iii) την συναισθηματική ανάλυση προτάσεων. Για την πρώτη, προτείνουμε ένα σχήμα κατηγοριοποίησης βάσει των βαθ-μολογιών χρηστών σε ένα σώμα εκπαίδευσης. Για τη δεύτερη, εξετάζουμε τη χρήση του μοντέλου θεμάτων LDA στο πεδίο της αναγνώρισης και εξαγωγής γνωρισμάτων των αντικειμένων μιας συλλογής κριτικών, και επιχειρούμε να αντιμετωπίσουμε τους εγγενείς περιορισμούς του επεκτείνοντας το με ένα επιπρόσθετο βήμα μετα-εκμάθησης όπου συναθροίζουμε πολλαπλά υποψήφια μοντέλα γνωρισμάτων σε ένα. Τέλος, για την ανά-λυση προτάσεων, κάνουμε χρήση των αποτελεσμάτων των παραπάνω εργασιών, σε συνδυασμό με μια γλωσσική τεχνική βασισμένη σε συντακτικά δέντρα που υποστηρίζε-ται από ένα σύνολο κανόνων εξαρτήσεων. Τα πειράματά μας δείχνουν ότι η ακρίβεια της τεχνικής μας ως προς τις παραπάνω εργασίες είναι συγκρίσιμη και σε ορισμένες περιπτώσεις καλύτερη από άλλες συναφείς μεθόδους.","abstract_html":"Ο παγκόσμιος ιστός προσφέρει τεράστιες ποσότητες ιδιοπαραγόμενου περιεχομένου, συμπεριλαμβανομένων και κριτικών. Οι κριτικές αυτές, ανεξάρτητα αν αφορούν προϊό-ντα, υπηρεσίες, βιβλία, μουσική ή ταινίες, αποτελούν πρώτης τάξης στόχο για την ε-φαρμογή τεχνικών ανάλυσης γνώμης. Σε αυτή την εργασία παρουσιάζουμε το Aspect Miner, ένα ολοκληρωμένο σύστημα εξόρυξης γνώμης που ειδικεύεται σε κριτικές χρη-στών που δημοσιεύονται στο διαδίκτυο. Αξιοποιώντας τις βαθμολογίες χρηστών που συχνά συνοδεύουν αυτές τις κριτικές, το Aspect Miner μπορεί να εκπαιδευτεί ώστε να διακρίνει όχι μόνο μεταξύ θετικού και αρνητικού συναισθήματος, αλλά και μεταξύ πολ-λαπλών βαθμίδων έντασης. Επιπλέον, το Aspect Miner είναι ικανό να κατηγοριοποιεί γνώμες τόσο σε επίπεδο προτάσεων όσο και σε επίπεδο αξιολογικών γνωρισμάτων, και είναι προσαρμόσιμο σε κείμενα οποιασδήποτε θεματικής περιοχής. Το σύστημα δομείται γύρω από τρεις βασικές εργασίες: (i) την κατηγοριοποίηση υπο-κειμενικών όρων (ii) την αναγνώριση γνωρισμάτων και (iii) την συναισθηματική ανάλυση προτάσεων. Για την πρώτη, προτείνουμε ένα σχήμα κατηγοριοποίησης βάσει των βαθ-μολογιών χρηστών σε ένα σώμα εκπαίδευσης. Για τη δεύτερη, εξετάζουμε τη χρήση του μοντέλου θεμάτων LDA στο πεδίο της αναγνώρισης και εξαγωγής γνωρισμάτων των αντικειμένων μιας συλλογής κριτικών, και επιχειρούμε να αντιμετωπίσουμε τους εγγενείς περιορισμούς του επεκτείνοντας το με ένα επιπρόσθετο βήμα μετα-εκμάθησης όπου συναθροίζουμε πολλαπλά υποψήφια μοντέλα γνωρισμάτων σε ένα. Τέλος, για την ανά-λυση προτάσεων, κάνουμε χρήση των αποτελεσμάτων των παραπάνω εργασιών, σε συνδυασμό με μια γλωσσική τεχνική βασισμένη σε συντακτικά δέντρα που υποστηρίζε-ται από ένα σύνολο κανόνων εξαρτήσεων. Τα πειράματά μας δείχνουν ότι η ακρίβεια της τεχνικής μας ως προς τις παραπάνω εργασίες είναι συγκρίσιμη και σε ορισμένες περιπτώσεις καλύτερη από άλλες συναφείς μεθόδους.","abstract_has_math":false,"creators":["Καραμπασάκης Στυλιανός"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2011,"date_issued":"2011","date_published":"2011","updated_at":"2026-11-19T05:26:32Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320901"],"render_values":[{"text":"uoadl:1320901","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320901","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320901","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1320901","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Καραμπασάκης Στυλιανός"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2011"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320901","https://pergamos.lib.uoa.gr/uoa/dl/object/1320901"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ο παγκόσμιος ιστός προσφέρει τεράστιες ποσότητες ιδιοπαραγόμενου περιεχομένου, συμπεριλαμβανομένων και κριτικών. Οι κριτικές αυτές, ανεξάρτητα αν αφορούν προϊό-ντα, υπηρεσίες, βιβλία, μουσική ή ταινίες, αποτελούν πρώτης τάξης στόχο για την ε-φαρμογή τεχνικών ανάλυσης γνώμης. Σε αυτή την εργασία παρουσιάζουμε το Aspect Miner, ένα ολοκληρωμένο σύστημα εξόρυξης γνώμης που ειδικεύεται σε κριτικές χρη-στών που δημοσιεύονται στο διαδίκτυο. Αξιοποιώντας τις βαθμολογίες χρηστών που συχνά συνοδεύουν αυτές τις κριτικές, το Aspect Miner μπορεί να εκπαιδευτεί ώστε να διακρίνει όχι μόνο μεταξύ θετικού και αρνητικού συναισθήματος, αλλά και μεταξύ πολ-λαπλών βαθμίδων έντασης. Επιπλέον, το Aspect Miner είναι ικανό να κατηγοριοποιεί γνώμες τόσο σε επίπεδο προτάσεων όσο και σε επίπεδο αξιολογικών γνωρισμάτων, και είναι προσαρμόσιμο σε κείμενα οποιασδήποτε θεματικής περιοχής. Το σύστημα δομείται γύρω από τρεις βασικές εργασίες: (i) την κατηγοριοποίηση υπο-κειμενικών όρων (ii) την αναγνώριση γνωρισμάτων και (iii) την συναισθηματική ανάλυση προτάσεων. Για την πρώτη, προτείνουμε ένα σχήμα κατηγοριοποίησης βάσει των βαθ-μολογιών χρηστών σε ένα σώμα εκπαίδευσης. Για τη δεύτερη, εξετάζουμε τη χρήση του μοντέλου θεμάτων LDA στο πεδίο της αναγνώρισης και εξαγωγής γνωρισμάτων των αντικειμένων μιας συλλογής κριτικών, και επιχειρούμε να αντιμετωπίσουμε τους εγγενείς περιορισμούς του επεκτείνοντας το με ένα επιπρόσθετο βήμα μετα-εκμάθησης όπου συναθροίζουμε πολλαπλά υποψήφια μοντέλα γνωρισμάτων σε ένα. Τέλος, για την ανά-λυση προτάσεων, κάνουμε χρήση των αποτελεσμάτων των παραπάνω εργασιών, σε συνδυασμό με μια γλωσσική τεχνική βασισμένη σε συντακτικά δέντρα που υποστηρίζε-ται από ένα σύνολο κανόνων εξαρτήσεων. Τα πειράματά μας δείχνουν ότι η ακρίβεια της τεχνικής μας ως προς τις παραπάνω εργασίες είναι συγκρίσιμη και σε ορισμένες περιπτώσεις καλύτερη από άλλες συναφείς μεθόδους.","The web offers vast quantities of user-generated content, including reviews. These reviews, be they about products, services, books, music or movies, constitute a primary target for the application of opinion analysis techniques. We present Aspect Miner, an integrated opinion mining system tailored to user reviews published on the web. By leveraging the user ratings that typically accompany these reviews, Aspect Miner can be trained to distinguish not only positive from negative sentiment, but also between multiple sentiment intensity levels. Moreover, Aspect Miner is able to classify opinions on the sentence level as well as on the level of individual ratable aspects that are present in a sentence, and is adaptable to texts of any domain. The system is built around three core subtasks: (i) classification of subjective terms (ii) aspect identification and (iii) sentence sentiment analysis. For the first subtask, we propose a classification scheme that employs the user ratings in a training corpus. For the second one, we look into the LDA topic model as a means to identify and extract the features of the reviews items in the corpus and we attempt to address its inherent limitations by employing an additional post-processing step that aggregates multiple disparate feature models into a single concise one. Finally, in order to perform analysis on the sentence level, we make use of the results of the aforementioned subtasks together with a syntax-tree based linguistic method powered by a set of predefined typed dependency rules. Our experiments show that the accuracy of our approach on these specific tasks is at least comparable to – and under certain circumstances surpasses – a number of other popular sentiment analysis techniques."]},{"key":"dc:title","label":"Title","values":["Aspect Miner: Λεπτομερής εξόρυξη γνώμης σε επίπεδο γνωρισμάτων από συλλογές βαθμολογημένων κριτικών"]}]}],"canonical_facts":{"dc:creator":["Καραμπασάκης Στυλιανός"],"dc:date":["2011"],"dc:description":["Ο παγκόσμιος ιστός προσφέρει τεράστιες ποσότητες ιδιοπαραγόμενου περιεχομένου, συμπεριλαμβανομένων και κριτικών. Οι κριτικές αυτές, ανεξάρτητα αν αφορούν προϊό-ντα, υπηρεσίες, βιβλία, μουσική ή ταινίες, αποτελούν πρώτης τάξης στόχο για την ε-φαρμογή τεχνικών ανάλυσης γνώμης. Σε αυτή την εργασία παρουσιάζουμε το Aspect Miner, ένα ολοκληρωμένο σύστημα εξόρυξης γνώμης που ειδικεύεται σε κριτικές χρη-στών που δημοσιεύονται στο διαδίκτυο. Αξιοποιώντας τις βαθμολογίες χρηστών που συχνά συνοδεύουν αυτές τις κριτικές, το Aspect Miner μπορεί να εκπαιδευτεί ώστε να διακρίνει όχι μόνο μεταξύ θετικού και αρνητικού συναισθήματος, αλλά και μεταξύ πολ-λαπλών βαθμίδων έντασης. Επιπλέον, το Aspect Miner είναι ικανό να κατηγοριοποιεί γνώμες τόσο σε επίπεδο προτάσεων όσο και σε επίπεδο αξιολογικών γνωρισμάτων, και είναι προσαρμόσιμο σε κείμενα οποιασδήποτε θεματικής περιοχής. Το σύστημα δομείται γύρω από τρεις βασικές εργασίες: (i) την κατηγοριοποίηση υπο-κειμενικών όρων (ii) την αναγνώριση γνωρισμάτων και (iii) την συναισθηματική ανάλυση προτάσεων. Για την πρώτη, προτείνουμε ένα σχήμα κατηγοριοποίησης βάσει των βαθ-μολογιών χρηστών σε ένα σώμα εκπαίδευσης. Για τη δεύτερη, εξετάζουμε τη χρήση του μοντέλου θεμάτων LDA στο πεδίο της αναγνώρισης και εξαγωγής γνωρισμάτων των αντικειμένων μιας συλλογής κριτικών, και επιχειρούμε να αντιμετωπίσουμε τους εγγενείς περιορισμούς του επεκτείνοντας το με ένα επιπρόσθετο βήμα μετα-εκμάθησης όπου συναθροίζουμε πολλαπλά υποψήφια μοντέλα γνωρισμάτων σε ένα. Τέλος, για την ανά-λυση προτάσεων, κάνουμε χρήση των αποτελεσμάτων των παραπάνω εργασιών, σε συνδυασμό με μια γλωσσική τεχνική βασισμένη σε συντακτικά δέντρα που υποστηρίζε-ται από ένα σύνολο κανόνων εξαρτήσεων. Τα πειράματά μας δείχνουν ότι η ακρίβεια της τεχνικής μας ως προς τις παραπάνω εργασίες είναι συγκρίσιμη και σε ορισμένες περιπτώσεις καλύτερη από άλλες συναφείς μεθόδους.","The web offers vast quantities of user-generated content, including reviews. These reviews, be they about products, services, books, music or movies, constitute a primary target for the application of opinion analysis techniques. We present Aspect Miner, an integrated opinion mining system tailored to user reviews published on the web. By leveraging the user ratings that typically accompany these reviews, Aspect Miner can be trained to distinguish not only positive from negative sentiment, but also between multiple sentiment intensity levels. Moreover, Aspect Miner is able to classify opinions on the sentence level as well as on the level of individual ratable aspects that are present in a sentence, and is adaptable to texts of any domain. The system is built around three core subtasks: (i) classification of subjective terms (ii) aspect identification and (iii) sentence sentiment analysis. For the first subtask, we propose a classification scheme that employs the user ratings in a training corpus. For the second one, we look into the LDA topic model as a means to identify and extract the features of the reviews items in the corpus and we attempt to address its inherent limitations by employing an additional post-processing step that aggregates multiple disparate feature models into a single concise one. Finally, in order to perform analysis on the sentence level, we make use of the results of the aforementioned subtasks together with a syntax-tree based linguistic method powered by a set of predefined typed dependency rules. Our experiments show that the accuracy of our approach on these specific tasks is at least comparable to – and under certain circumstances surpasses – a number of other popular sentiment analysis techniques."],"dc:identifier":["uoadl:1320901","https://pergamos.lib.uoa.gr/uoa/dl/object/1320901"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Aspect Miner: Λεπτομερής εξόρυξη γνώμης σε επίπεδο γνωρισμάτων από συλλογές βαθμολογημένων κριτικών"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:26:32Z"}