{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2399353"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2399353","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 στο Twitter για τους δύο Έλληνες πολιτικούς αρχηγούς, Αλέξη Τσίπρα και Κυριάκο Μητσοτάκη","abstract":"Τα μέσα κοινωνικής δικτύωσης αποτελούν πλέον αναπόσπαστο κομμάτι της καθημερινότητας του ανθρώπου. Ο όγκος της πληροφορίας που διακινείται είναι τεράστιος και αυξάνεται συνεχώς. Επομένως, είναι λογικό να έχει δημιουργηθεί η ανάγκη συλλογής, επεξεργασίας και ανάλυσης αυτού του όγκου δεδομένων, προκειμένου αυτή η πληροφορία να βοηθήσει σε λήψη σημαντικών αποφάσεων. Μια τέτοια δουλειά κάνει η ανάλυση συναισθήματος και ένας από τους σημαντικότερους τομείς που εφαρμόζεται είναι αυτός της πολιτικής. Η παρούσα διπλωματική εργασία επικεντρώνεται στο δημοφιλές μέσο κοινωνικής δικτύωσης, Twitter. Οι πολιτικοί αρχηγοί, τα κόμματα και γενικότερα η πολιτική είναι από τα θέματα που σχολιάζονται περισσότερο τους χρήστες του Twitter, γι’ αυτό και επιλέξαμε τον συγκεκριμένο τομέα για να εφαρμόσουμε μια ανάλυση συναισθήματος. Συγκεκριμένα, ασχοληθήκαμε με τους δύο Έλληνες πολιτικούς αρχηγούς, Αλέξη Τσίπρα και Κυριάκο Μητσοτάκη και προσπαθήσαμε να ανακαλύψουμε ποιο είναι το συναίσθημα του κόσμου για εκείνους (αρνητικό, θετικό, ουδέτερο) με βάση τα σχόλια των χρηστών του Twitter. Η ανάλυση συναισθήματος πραγματοποιήθηκε με τη βοήθεια της γλώσσας προγραμματισμού «R» στην πλατφόρμα «R Studio». Συγκεντρώσαμε συνολικά περίπου 13.500 tweets που αναφέρονταν στους δύο Έλληνες πολιτικούς αρχηγούς με τη χρήση λέξεων-κλειδιών, σε μια χρονική περίοδο από τον Ιανουάριο του 2017 μέχρι τον Ιούνιο του 2017. Στη συνέχεια, υλοποιήσαμε έναν κώδικα ο οποίος «καθάριζε» τα tweets για να αφαιρεθεί η άχρηστη πληροφορία και τέλος εφαρμόσαμε την ανάλυση συναισθήματος στα tweets με τη χρήση δύο λεξικών (θετικού και αρνητικού) τα οποία και δημιουργήσαμε. Για την αξιολόγηση του κώδικα, πήραμε ένα μέρος από τα tweets που είχαμε συλλέξει και τα επισημειώσαμε χειροκίνητα με τη βοήθεια τριών επισημειωτών. Συγκρίνοντας τα αποτελέσματα καταλήξαμε στο ότι ο κώδικας που υλοποιήσαμε λειτουργεί σε έναν ικανοποιητικό βαθμό.","abstract_html":"Τα μέσα κοινωνικής δικτύωσης αποτελούν πλέον αναπόσπαστο κομμάτι της καθημερινότητας του ανθρώπου. Ο όγκος της πληροφορίας που διακινείται είναι τεράστιος και αυξάνεται συνεχώς. Επομένως, είναι λογικό να έχει δημιουργηθεί η ανάγκη συλλογής, επεξεργασίας και ανάλυσης αυτού του όγκου δεδομένων, προκειμένου αυτή η πληροφορία να βοηθήσει σε λήψη σημαντικών αποφάσεων. Μια τέτοια δουλειά κάνει η ανάλυση συναισθήματος και ένας από τους σημαντικότερους τομείς που εφαρμόζεται είναι αυτός της πολιτικής. Η παρούσα διπλωματική εργασία επικεντρώνεται στο δημοφιλές μέσο κοινωνικής δικτύωσης, Twitter. Οι πολιτικοί αρχηγοί, τα κόμματα και γενικότερα η πολιτική είναι από τα θέματα που σχολιάζονται περισσότερο τους χρήστες του Twitter, γι’ αυτό και επιλέξαμε τον συγκεκριμένο τομέα για να εφαρμόσουμε μια ανάλυση συναισθήματος. Συγκεκριμένα, ασχοληθήκαμε με τους δύο Έλληνες πολιτικούς αρχηγούς, Αλέξη Τσίπρα και Κυριάκο Μητσοτάκη και προσπαθήσαμε να ανακαλύψουμε ποιο είναι το συναίσθημα του κόσμου για εκείνους (αρνητικό, θετικό, ουδέτερο) με βάση τα σχόλια των χρηστών του Twitter. Η ανάλυση συναισθήματος πραγματοποιήθηκε με τη βοήθεια της γλώσσας προγραμματισμού «R» στην πλατφόρμα «R Studio». Συγκεντρώσαμε συνολικά περίπου 13.500 tweets που αναφέρονταν στους δύο Έλληνες πολιτικούς αρχηγούς με τη χρήση λέξεων-κλειδιών, σε μια χρονική περίοδο από τον Ιανουάριο του 2017 μέχρι τον Ιούνιο του 2017. Στη συνέχεια, υλοποιήσαμε έναν κώδικα ο οποίος «καθάριζε» τα tweets για να αφαιρεθεί η άχρηστη πληροφορία και τέλος εφαρμόσαμε την ανάλυση συναισθήματος στα tweets με τη χρήση δύο λεξικών (θετικού και αρνητικού) τα οποία και δημιουργήσαμε. Για την αξιολόγηση του κώδικα, πήραμε ένα μέρος από τα tweets που είχαμε συλλέξει και τα επισημειώσαμε χειροκίνητα με τη βοήθεια τριών επισημειωτών. Συγκρίνοντας τα αποτελέσματα καταλήξαμε στο ότι ο κώδικας που υλοποιήσαμε λειτουργεί σε έναν ικανοποιητικό βαθμό.","abstract_has_math":false,"creators":["Μπαϊρακτάρης Ιωάννης","Bairaktaris Ioannis"],"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":"2026-11-19T05:30:18Z","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:2399353"],"render_values":[{"text":"uoadl:2399353","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2399353","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2399353","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%3A2399353","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μπαϊρακτάρης Ιωάννης","Bairaktaris Ioannis"]}]},{"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:2399353","https://pergamos.lib.uoa.gr/uoa/dl/object/2399353"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα μέσα κοινωνικής δικτύωσης αποτελούν πλέον αναπόσπαστο κομμάτι της καθημερινότητας του ανθρώπου. Ο όγκος της πληροφορίας που διακινείται είναι τεράστιος και αυξάνεται συνεχώς. Επομένως, είναι λογικό να έχει δημιουργηθεί η ανάγκη συλλογής, επεξεργασίας και ανάλυσης αυτού του όγκου δεδομένων, προκειμένου αυτή η πληροφορία να βοηθήσει σε λήψη σημαντικών αποφάσεων. Μια τέτοια δουλειά κάνει η ανάλυση συναισθήματος και ένας από τους σημαντικότερους τομείς που εφαρμόζεται είναι αυτός της πολιτικής. Η παρούσα διπλωματική εργασία επικεντρώνεται στο δημοφιλές μέσο κοινωνικής δικτύωσης, Twitter. Οι πολιτικοί αρχηγοί, τα κόμματα και γενικότερα η πολιτική είναι από τα θέματα που σχολιάζονται περισσότερο τους χρήστες του Twitter, γι’ αυτό και επιλέξαμε τον συγκεκριμένο τομέα για να εφαρμόσουμε μια ανάλυση συναισθήματος. Συγκεκριμένα, ασχοληθήκαμε με τους δύο Έλληνες πολιτικούς αρχηγούς, Αλέξη Τσίπρα και Κυριάκο Μητσοτάκη και προσπαθήσαμε να ανακαλύψουμε ποιο είναι το συναίσθημα του κόσμου για εκείνους (αρνητικό, θετικό, ουδέτερο) με βάση τα σχόλια των χρηστών του Twitter. Η ανάλυση συναισθήματος πραγματοποιήθηκε με τη βοήθεια της γλώσσας προγραμματισμού «R» στην πλατφόρμα «R Studio». Συγκεντρώσαμε συνολικά περίπου 13.500 tweets που αναφέρονταν στους δύο Έλληνες πολιτικούς αρχηγούς με τη χρήση λέξεων-κλειδιών, σε μια χρονική περίοδο από τον Ιανουάριο του 2017 μέχρι τον Ιούνιο του 2017. Στη συνέχεια, υλοποιήσαμε έναν κώδικα ο οποίος «καθάριζε» τα tweets για να αφαιρεθεί η άχρηστη πληροφορία και τέλος εφαρμόσαμε την ανάλυση συναισθήματος στα tweets με τη χρήση δύο λεξικών (θετικού και αρνητικού) τα οποία και δημιουργήσαμε. Για την αξιολόγηση του κώδικα, πήραμε ένα μέρος από τα tweets που είχαμε συλλέξει και τα επισημειώσαμε χειροκίνητα με τη βοήθεια τριών επισημειωτών. Συγκρίνοντας τα αποτελέσματα καταλήξαμε στο ότι ο κώδικας που υλοποιήσαμε λειτουργεί σε έναν ικανοποιητικό βαθμό.","Social media are now an integral part of everyday life. The information that exists in these social media is huge and is constantly increasing. Therefore, it is logical to have the need to collect, process and analyze these data, so they can help on decision making. Such work is done by sentiment analysis and one of the most important areas that is applied is that of politics. This thesis focuses on the popular social networking tool, Twitter. Political leaders, parties and politics in general are among the most commented topics by Twitter users, so we chose this area to apply sentiment analysis. In particular, we dealt with the two Greek political leaders, Alexis Tsipras and Kyriakos Mitsotakis, and tried to find out what the people’s sentiment about them (negative, positive, neutral) is, based on twitter comments. Sentiment analysis was performed using «R programming language» on the «R Studio» platform. We collected a total of about 13.500 tweets referring to the two Greek political leaders using keywords, in a period from January 2017 to June 2017. We then implemented an algorithm that «cleaned» the tweets to remove the useless information and finally we applied sentiment analysis to tweets using two sentiment lexicons (positive and negative) that we created. To evaluate the algorithm, we picked up some of the tweets we collected and manually annotated them with the help of three annotators. By comparing the results we concluded that the algorithm we implemented works to a satisfactory degree."]},{"key":"dc:title","label":"Title","values":["Ανάλυση Συναισθήματος στο Twitter για τους δύο Έλληνες πολιτικούς αρχηγούς, Αλέξη Τσίπρα και Κυριάκο Μητσοτάκη"]}]}],"canonical_facts":{"dc:creator":["Μπαϊρακτάρης Ιωάννης","Bairaktaris Ioannis"],"dc:date":["2017"],"dc:description":["Τα μέσα κοινωνικής δικτύωσης αποτελούν πλέον αναπόσπαστο κομμάτι της καθημερινότητας του ανθρώπου. Ο όγκος της πληροφορίας που διακινείται είναι τεράστιος και αυξάνεται συνεχώς. Επομένως, είναι λογικό να έχει δημιουργηθεί η ανάγκη συλλογής, επεξεργασίας και ανάλυσης αυτού του όγκου δεδομένων, προκειμένου αυτή η πληροφορία να βοηθήσει σε λήψη σημαντικών αποφάσεων. Μια τέτοια δουλειά κάνει η ανάλυση συναισθήματος και ένας από τους σημαντικότερους τομείς που εφαρμόζεται είναι αυτός της πολιτικής. Η παρούσα διπλωματική εργασία επικεντρώνεται στο δημοφιλές μέσο κοινωνικής δικτύωσης, Twitter. Οι πολιτικοί αρχηγοί, τα κόμματα και γενικότερα η πολιτική είναι από τα θέματα που σχολιάζονται περισσότερο τους χρήστες του Twitter, γι’ αυτό και επιλέξαμε τον συγκεκριμένο τομέα για να εφαρμόσουμε μια ανάλυση συναισθήματος. Συγκεκριμένα, ασχοληθήκαμε με τους δύο Έλληνες πολιτικούς αρχηγούς, Αλέξη Τσίπρα και Κυριάκο Μητσοτάκη και προσπαθήσαμε να ανακαλύψουμε ποιο είναι το συναίσθημα του κόσμου για εκείνους (αρνητικό, θετικό, ουδέτερο) με βάση τα σχόλια των χρηστών του Twitter. Η ανάλυση συναισθήματος πραγματοποιήθηκε με τη βοήθεια της γλώσσας προγραμματισμού «R» στην πλατφόρμα «R Studio». Συγκεντρώσαμε συνολικά περίπου 13.500 tweets που αναφέρονταν στους δύο Έλληνες πολιτικούς αρχηγούς με τη χρήση λέξεων-κλειδιών, σε μια χρονική περίοδο από τον Ιανουάριο του 2017 μέχρι τον Ιούνιο του 2017. Στη συνέχεια, υλοποιήσαμε έναν κώδικα ο οποίος «καθάριζε» τα tweets για να αφαιρεθεί η άχρηστη πληροφορία και τέλος εφαρμόσαμε την ανάλυση συναισθήματος στα tweets με τη χρήση δύο λεξικών (θετικού και αρνητικού) τα οποία και δημιουργήσαμε. Για την αξιολόγηση του κώδικα, πήραμε ένα μέρος από τα tweets που είχαμε συλλέξει και τα επισημειώσαμε χειροκίνητα με τη βοήθεια τριών επισημειωτών. Συγκρίνοντας τα αποτελέσματα καταλήξαμε στο ότι ο κώδικας που υλοποιήσαμε λειτουργεί σε έναν ικανοποιητικό βαθμό.","Social media are now an integral part of everyday life. The information that exists in these social media is huge and is constantly increasing. Therefore, it is logical to have the need to collect, process and analyze these data, so they can help on decision making. Such work is done by sentiment analysis and one of the most important areas that is applied is that of politics. This thesis focuses on the popular social networking tool, Twitter. Political leaders, parties and politics in general are among the most commented topics by Twitter users, so we chose this area to apply sentiment analysis. In particular, we dealt with the two Greek political leaders, Alexis Tsipras and Kyriakos Mitsotakis, and tried to find out what the people’s sentiment about them (negative, positive, neutral) is, based on twitter comments. Sentiment analysis was performed using «R programming language» on the «R Studio» platform. We collected a total of about 13.500 tweets referring to the two Greek political leaders using keywords, in a period from January 2017 to June 2017. We then implemented an algorithm that «cleaned» the tweets to remove the useless information and finally we applied sentiment analysis to tweets using two sentiment lexicons (positive and negative) that we created. To evaluate the algorithm, we picked up some of the tweets we collected and manually annotated them with the help of three annotators. By comparing the results we concluded that the algorithm we implemented works to a satisfactory degree."],"dc:identifier":["uoadl:2399353","https://pergamos.lib.uoa.gr/uoa/dl/object/2399353"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Ανάλυση Συναισθήματος στο Twitter για τους δύο Έλληνες πολιτικούς αρχηγούς, Αλέξη Τσίπρα και Κυριάκο Μητσοτάκη"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:30:18Z"}