{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2326555"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2326555","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάλυση Συναισθήματος σε δεδομένα του Twitter για την ασφάλεια Υγείας","abstract":"Η ανάλυση συναισθημάτων αποτελεί μία ερευνητική τάση που αποσκοπεί στην επεξεργασία της φυσικής γλώσσας και στην εξόρυξη δεδομένων. Πρόσφατα, η έρευνα αυτή έχει επεκταθεί εκτός του τομέα των ηλεκτρονικών υπολογιστών και σε άλλους τομείς όπως τις κοινωνικές και πολιτικές επιστήμες, την οικονομία και τις επιχειρήσεις. Η ραγδαία ανάπτυξη των μέσων κοινωνικής δικτύωσης όπως το Twitter, έχει δημιουργήσει πρωτοφανείς ευκαιρίες για την ερευνητική κοινότητα αναφορικά με την εξόρυξη δεδομένων και την ανάλυση συναισθήματος. Οι ερευνητές και οι αναλυτές μπορούν να αξιοποιήσουν αυτές τις ευκαιρίες μελετώντας και αναλύοντας τις απόψεις των χρηστών, τις στάσεις και τα συναισθήματα τους σχετικά με σημαντικά γεγονότα τα οποία αναπαράγονται μέσω σχολιασμού στα μέσα κοινωνικής δικτύωσης. Επιπρόσθετα το φαινόμενο των δεδομένων μεγάλου όγκου έχει λάβει μεγάλη προσοχή κατά την τελευταία δεκαετία και γίνεται ολοένα πιο σημαντικό σχετικά με την αποθήκευση και την επεξεργασία δεδομένων με γνώμονα τη δυνατότητα της έξυπνης ανάλυσης τεράστιων ποσοτήτων δεδομένων που συνήθως συλλέγονται από διαφορετικές πηγές και ενδεχομένως θα αποτελέσουν ένα κρίσιμο επιχειρηματικό περιουσιακό στοιχείο για κάθε μεγάλο οργανισμό. Ο στόχος αυτής της διπλωματικής είναι η ανάλυση συναισθήματος για την ασφάλεια υγείας, με εφαρμογή στην επιχειρηματική ευφυΐα σε ένα σύνολο δεδομένων περίπου 11.500 μικρών μηνυμάτων από το μέσο κοινωνικής δικτύωσης Twitter και η δημιουργία ενός λεξικού συναισθήματος με κατεύθυνση τον τομέα της ασφάλειας και της υγείας. Τα μηνύματα στο Twitter, ή αλλιώς tweets, όπως είναι ευρέως γνωστά, περιορίζονται στους 140 χαρακτήρες. Αυτός ο περιορισμός προσθέτει ακόμα μια δυσκολία στους χρήστες του, στο να εκφράσουν τα συναισθήματα τους και συνεπώς η ταξινόμηση αυτού του συναισθήματος σε θετικό, αρνητικό ή ουδέτερο είναι ακόμα πιο δύσκολη. Η ανάλυση συναισθήματος στη συγκεκριμένη εργασία, βασίζεται σε ένα ήδη υπάρχον ελεύθερα διαθέσιμο ελληνικό λεξικό συναισθήματος το οποίο ταξινομεί τα tweets ανάλογα με το συναίσθημα που εκφράζουν σε θετικό, αρνητικό ή ουδέτερο. Η συλλογή, η επεξεργασία και η ταξινόμηση των tweets αναλόγως με το συναίσθημα τους, πραγματοποιήθηκε με χρήση της γλώσσας προγραμματισμού R μέσω του ελεύθερου και ανοιχτού κώδικά περιβάλλοντος ανάπτυξης RStudio.","abstract_html":"Η ανάλυση συναισθημάτων αποτελεί μία ερευνητική τάση που αποσκοπεί στην επεξεργασία της φυσικής γλώσσας και στην εξόρυξη δεδομένων. Πρόσφατα, η έρευνα αυτή έχει επεκταθεί εκτός του τομέα των ηλεκτρονικών υπολογιστών και σε άλλους τομείς όπως τις κοινωνικές και πολιτικές επιστήμες, την οικονομία και τις επιχειρήσεις. Η ραγδαία ανάπτυξη των μέσων κοινωνικής δικτύωσης όπως το Twitter, έχει δημιουργήσει πρωτοφανείς ευκαιρίες για την ερευνητική κοινότητα αναφορικά με την εξόρυξη δεδομένων και την ανάλυση συναισθήματος. Οι ερευνητές και οι αναλυτές μπορούν να αξιοποιήσουν αυτές τις ευκαιρίες μελετώντας και αναλύοντας τις απόψεις των χρηστών, τις στάσεις και τα συναισθήματα τους σχετικά με σημαντικά γεγονότα τα οποία αναπαράγονται μέσω σχολιασμού στα μέσα κοινωνικής δικτύωσης. Επιπρόσθετα το φαινόμενο των δεδομένων μεγάλου όγκου έχει λάβει μεγάλη προσοχή κατά την τελευταία δεκαετία και γίνεται ολοένα πιο σημαντικό σχετικά με την αποθήκευση και την επεξεργασία δεδομένων με γνώμονα τη δυνατότητα της έξυπνης ανάλυσης τεράστιων ποσοτήτων δεδομένων που συνήθως συλλέγονται από διαφορετικές πηγές και ενδεχομένως θα αποτελέσουν ένα κρίσιμο επιχειρηματικό περιουσιακό στοιχείο για κάθε μεγάλο οργανισμό. Ο στόχος αυτής της διπλωματικής είναι η ανάλυση συναισθήματος για την ασφάλεια υγείας, με εφαρμογή στην επιχειρηματική ευφυΐα σε ένα σύνολο δεδομένων περίπου 11.500 μικρών μηνυμάτων από το μέσο κοινωνικής δικτύωσης Twitter και η δημιουργία ενός λεξικού συναισθήματος με κατεύθυνση τον τομέα της ασφάλειας και της υγείας. Τα μηνύματα στο Twitter, ή αλλιώς tweets, όπως είναι ευρέως γνωστά, περιορίζονται στους 140 χαρακτήρες. Αυτός ο περιορισμός προσθέτει ακόμα μια δυσκολία στους χρήστες του, στο να εκφράσουν τα συναισθήματα τους και συνεπώς η ταξινόμηση αυτού του συναισθήματος σε θετικό, αρνητικό ή ουδέτερο είναι ακόμα πιο δύσκολη. Η ανάλυση συναισθήματος στη συγκεκριμένη εργασία, βασίζεται σε ένα ήδη υπάρχον ελεύθερα διαθέσιμο ελληνικό λεξικό συναισθήματος το οποίο ταξινομεί τα tweets ανάλογα με το συναίσθημα που εκφράζουν σε θετικό, αρνητικό ή ουδέτερο. Η συλλογή, η επεξεργασία και η ταξινόμηση των tweets αναλόγως με το συναίσθημα τους, πραγματοποιήθηκε με χρήση της γλώσσας προγραμματισμού R μέσω του ελεύθερου και ανοιχτού κώδικά περιβάλλοντος ανάπτυξης RStudio.","abstract_has_math":false,"creators":["Κοϊνάκης Αντώνιος","Koinakis Antonios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2017,"date_issued":"2017","date_published":"2017","updated_at":"2026-11-19T05:30:16Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2326555"],"render_values":[{"text":"uoadl:2326555","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2326555","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2326555","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%3A2326555","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κοϊνάκης Αντώνιος","Koinakis Antonios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2017"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"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:2326555","https://pergamos.lib.uoa.gr/uoa/dl/object/2326555"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ανάλυση συναισθημάτων αποτελεί μία ερευνητική τάση που αποσκοπεί στην επεξεργασία της φυσικής γλώσσας και στην εξόρυξη δεδομένων. Πρόσφατα, η έρευνα αυτή έχει επεκταθεί εκτός του τομέα των ηλεκτρονικών υπολογιστών και σε άλλους τομείς όπως τις κοινωνικές και πολιτικές επιστήμες, την οικονομία και τις επιχειρήσεις. Η ραγδαία ανάπτυξη των μέσων κοινωνικής δικτύωσης όπως το Twitter, έχει δημιουργήσει πρωτοφανείς ευκαιρίες για την ερευνητική κοινότητα αναφορικά με την εξόρυξη δεδομένων και την ανάλυση συναισθήματος. Οι ερευνητές και οι αναλυτές μπορούν να αξιοποιήσουν αυτές τις ευκαιρίες μελετώντας και αναλύοντας τις απόψεις των χρηστών, τις στάσεις και τα συναισθήματα τους σχετικά με σημαντικά γεγονότα τα οποία αναπαράγονται μέσω σχολιασμού στα μέσα κοινωνικής δικτύωσης. Επιπρόσθετα το φαινόμενο των δεδομένων μεγάλου όγκου έχει λάβει μεγάλη προσοχή κατά την τελευταία δεκαετία και γίνεται ολοένα πιο σημαντικό σχετικά με την αποθήκευση και την επεξεργασία δεδομένων με γνώμονα τη δυνατότητα της έξυπνης ανάλυσης τεράστιων ποσοτήτων δεδομένων που συνήθως συλλέγονται από διαφορετικές πηγές και ενδεχομένως θα αποτελέσουν ένα κρίσιμο επιχειρηματικό περιουσιακό στοιχείο για κάθε μεγάλο οργανισμό. Ο στόχος αυτής της διπλωματικής είναι η ανάλυση συναισθήματος για την ασφάλεια υγείας, με εφαρμογή στην επιχειρηματική ευφυΐα σε ένα σύνολο δεδομένων περίπου 11.500 μικρών μηνυμάτων από το μέσο κοινωνικής δικτύωσης Twitter και η δημιουργία ενός λεξικού συναισθήματος με κατεύθυνση τον τομέα της ασφάλειας και της υγείας. Τα μηνύματα στο Twitter, ή αλλιώς tweets, όπως είναι ευρέως γνωστά, περιορίζονται στους 140 χαρακτήρες. Αυτός ο περιορισμός προσθέτει ακόμα μια δυσκολία στους χρήστες του, στο να εκφράσουν τα συναισθήματα τους και συνεπώς η ταξινόμηση αυτού του συναισθήματος σε θετικό, αρνητικό ή ουδέτερο είναι ακόμα πιο δύσκολη. Η ανάλυση συναισθήματος στη συγκεκριμένη εργασία, βασίζεται σε ένα ήδη υπάρχον ελεύθερα διαθέσιμο ελληνικό λεξικό συναισθήματος το οποίο ταξινομεί τα tweets ανάλογα με το συναίσθημα που εκφράζουν σε θετικό, αρνητικό ή ουδέτερο. Η συλλογή, η επεξεργασία και η ταξινόμηση των tweets αναλόγως με το συναίσθημα τους, πραγματοποιήθηκε με χρήση της γλώσσας προγραμματισμού R μέσω του ελεύθερου και ανοιχτού κώδικά περιβάλλοντος ανάπτυξης RStudio.","Sentiment analysis is a research trend that aims at natural language processing and data extraction. Recently, the Sentiment research has expanded beyond the computer sector, in areas such as social and political science, economy and business. The rapid development of social media such as Twitter has created unique opportunities for the research community in terms of data mining and sentiment analysis. Researchers and analysts can take advantage of these opportunities by studying and analyzing the users' opinions, attitudes and feelings about important events that are reproduced through their comments on social media. Additionally, the Big Data phenomenon has received a lot of attention over the past decade and is becoming more and more important about data storage and processing based on the ability to intelligently analyze vast amounts of data that are typically collected from different sources and potentially will be a critical business asset item for each organization. The purpose of this thesis is the Twitter sentiment analysis regarding health insurance sentiment analysis, applied to business intelligence, based on approximately 11.500 tweets and the building of a sentiment lexicon focused on insurance and health sector. The length of tweets is limited to 140 characters. This constraint introduces an additional difficulty for users to express their feelings and therefore the classification of this feeling as positive, negative or neutral is even more difficult. The emotional analysis is based on an already free available Greek emotion lexicon that classifies tweets according to emotion that they express in positive, negative or neutral. The data collection, processing, and the classification of tweets according to their emotion was done using the programming language R through the free and open-source integrated development environment RStudio."]},{"key":"dc:title","label":"Title","values":["Ανάλυση Συναισθήματος σε δεδομένα του Twitter για την ασφάλεια Υγείας"]}]}],"canonical_facts":{"dc:creator":["Κοϊνάκης Αντώνιος","Koinakis Antonios"],"dc:date":["2017"],"dc:description":["Η ανάλυση συναισθημάτων αποτελεί μία ερευνητική τάση που αποσκοπεί στην επεξεργασία της φυσικής γλώσσας και στην εξόρυξη δεδομένων. Πρόσφατα, η έρευνα αυτή έχει επεκταθεί εκτός του τομέα των ηλεκτρονικών υπολογιστών και σε άλλους τομείς όπως τις κοινωνικές και πολιτικές επιστήμες, την οικονομία και τις επιχειρήσεις. Η ραγδαία ανάπτυξη των μέσων κοινωνικής δικτύωσης όπως το Twitter, έχει δημιουργήσει πρωτοφανείς ευκαιρίες για την ερευνητική κοινότητα αναφορικά με την εξόρυξη δεδομένων και την ανάλυση συναισθήματος. Οι ερευνητές και οι αναλυτές μπορούν να αξιοποιήσουν αυτές τις ευκαιρίες μελετώντας και αναλύοντας τις απόψεις των χρηστών, τις στάσεις και τα συναισθήματα τους σχετικά με σημαντικά γεγονότα τα οποία αναπαράγονται μέσω σχολιασμού στα μέσα κοινωνικής δικτύωσης. Επιπρόσθετα το φαινόμενο των δεδομένων μεγάλου όγκου έχει λάβει μεγάλη προσοχή κατά την τελευταία δεκαετία και γίνεται ολοένα πιο σημαντικό σχετικά με την αποθήκευση και την επεξεργασία δεδομένων με γνώμονα τη δυνατότητα της έξυπνης ανάλυσης τεράστιων ποσοτήτων δεδομένων που συνήθως συλλέγονται από διαφορετικές πηγές και ενδεχομένως θα αποτελέσουν ένα κρίσιμο επιχειρηματικό περιουσιακό στοιχείο για κάθε μεγάλο οργανισμό. Ο στόχος αυτής της διπλωματικής είναι η ανάλυση συναισθήματος για την ασφάλεια υγείας, με εφαρμογή στην επιχειρηματική ευφυΐα σε ένα σύνολο δεδομένων περίπου 11.500 μικρών μηνυμάτων από το μέσο κοινωνικής δικτύωσης Twitter και η δημιουργία ενός λεξικού συναισθήματος με κατεύθυνση τον τομέα της ασφάλειας και της υγείας. Τα μηνύματα στο Twitter, ή αλλιώς tweets, όπως είναι ευρέως γνωστά, περιορίζονται στους 140 χαρακτήρες. Αυτός ο περιορισμός προσθέτει ακόμα μια δυσκολία στους χρήστες του, στο να εκφράσουν τα συναισθήματα τους και συνεπώς η ταξινόμηση αυτού του συναισθήματος σε θετικό, αρνητικό ή ουδέτερο είναι ακόμα πιο δύσκολη. Η ανάλυση συναισθήματος στη συγκεκριμένη εργασία, βασίζεται σε ένα ήδη υπάρχον ελεύθερα διαθέσιμο ελληνικό λεξικό συναισθήματος το οποίο ταξινομεί τα tweets ανάλογα με το συναίσθημα που εκφράζουν σε θετικό, αρνητικό ή ουδέτερο. Η συλλογή, η επεξεργασία και η ταξινόμηση των tweets αναλόγως με το συναίσθημα τους, πραγματοποιήθηκε με χρήση της γλώσσας προγραμματισμού R μέσω του ελεύθερου και ανοιχτού κώδικά περιβάλλοντος ανάπτυξης RStudio.","Sentiment analysis is a research trend that aims at natural language processing and data extraction. Recently, the Sentiment research has expanded beyond the computer sector, in areas such as social and political science, economy and business. The rapid development of social media such as Twitter has created unique opportunities for the research community in terms of data mining and sentiment analysis. Researchers and analysts can take advantage of these opportunities by studying and analyzing the users' opinions, attitudes and feelings about important events that are reproduced through their comments on social media. Additionally, the Big Data phenomenon has received a lot of attention over the past decade and is becoming more and more important about data storage and processing based on the ability to intelligently analyze vast amounts of data that are typically collected from different sources and potentially will be a critical business asset item for each organization. The purpose of this thesis is the Twitter sentiment analysis regarding health insurance sentiment analysis, applied to business intelligence, based on approximately 11.500 tweets and the building of a sentiment lexicon focused on insurance and health sector. The length of tweets is limited to 140 characters. This constraint introduces an additional difficulty for users to express their feelings and therefore the classification of this feeling as positive, negative or neutral is even more difficult. The emotional analysis is based on an already free available Greek emotion lexicon that classifies tweets according to emotion that they express in positive, negative or neutral. The data collection, processing, and the classification of tweets according to their emotion was done using the programming language R through the free and open-source integrated development environment RStudio."],"dc:identifier":["uoadl:2326555","https://pergamos.lib.uoa.gr/uoa/dl/object/2326555"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Ανάλυση Συναισθήματος σε δεδομένα του Twitter για την ασφάλεια Υγείας"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:30:16Z"}