{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2417962"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2417962","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 ελληνικά και γερμανικά δεδομένα του Twitter γύρω από την εκπαίδευση των προσφύγων με τη χρήση lexicon- based και machine learning μεθόδων και εργαλείων της γλώσσας R","abstract":"Στόχος της παρούσας διπλωματικής είναι η ταξινόμηση σύντομων μηνυμάτων από το κοινωνικό δίκτυο Twitter με γνώμονα το συναίσθημα που εκφράζεται μέσα από αυτά, χρησιμοποιώντας τεχνικές εξόρυξης δεδομένων. Αρχικά, θα γίνει προσπάθεια να κατηγοριοποιηθούν χειροκίνητα ως προς την πολικότητά τους μηνύματα του Twitter από Ελλάδα και Γερμανία που έχουν να κάνουν με την προσφυγική κρίση και συγκεκριμένα με την εκπαίδευση των προσφύγων και στη συνέχεια θα ανιχνευτεί ο στόχος του συναισθήματος, σε ποιον δηλαδή απευθύνεται το συναίσθημα που εκφράζεται σε καθένα από τα tweets. Κατόπιν, θα γίνει προσπάθεια πρόβλεψης του συναισθήματος με δύο διαφορετικές μεθόδους, αυτή του λεξικού και αυτή της μηχανικής μάθησης με τη χρήση του αλγορίθμου κατηγοριοποίησης Naive Bayes.","abstract_html":"Στόχος της παρούσας διπλωματικής είναι η ταξινόμηση σύντομων μηνυμάτων από το κοινωνικό δίκτυο Twitter με γνώμονα το συναίσθημα που εκφράζεται μέσα από αυτά, χρησιμοποιώντας τεχνικές εξόρυξης δεδομένων. Αρχικά, θα γίνει προσπάθεια να κατηγοριοποιηθούν χειροκίνητα ως προς την πολικότητά τους μηνύματα του Twitter από Ελλάδα και Γερμανία που έχουν να κάνουν με την προσφυγική κρίση και συγκεκριμένα με την εκπαίδευση των προσφύγων και στη συνέχεια θα ανιχνευτεί ο στόχος του συναισθήματος, σε ποιον δηλαδή απευθύνεται το συναίσθημα που εκφράζεται σε καθένα από τα tweets. Κατόπιν, θα γίνει προσπάθεια πρόβλεψης του συναισθήματος με δύο διαφορετικές μεθόδους, αυτή του λεξικού και αυτή της μηχανικής μάθησης με τη χρήση του αλγορίθμου κατηγοριοποίησης Naive Bayes.","abstract_has_math":false,"creators":["Βλάχου Έλλη","Vlachou Elli"],"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:2417962"],"render_values":[{"text":"uoadl:2417962","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2417962","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2417962","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%3A2417962","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βλάχου Έλλη","Vlachou Elli"]}]},{"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:2417962","https://pergamos.lib.uoa.gr/uoa/dl/object/2417962"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στόχος της παρούσας διπλωματικής είναι η ταξινόμηση σύντομων μηνυμάτων από το κοινωνικό δίκτυο Twitter με γνώμονα το συναίσθημα που εκφράζεται μέσα από αυτά, χρησιμοποιώντας τεχνικές εξόρυξης δεδομένων. Αρχικά, θα γίνει προσπάθεια να κατηγοριοποιηθούν χειροκίνητα ως προς την πολικότητά τους μηνύματα του Twitter από Ελλάδα και Γερμανία που έχουν να κάνουν με την προσφυγική κρίση και συγκεκριμένα με την εκπαίδευση των προσφύγων και στη συνέχεια θα ανιχνευτεί ο στόχος του συναισθήματος, σε ποιον δηλαδή απευθύνεται το συναίσθημα που εκφράζεται σε καθένα από τα tweets. Κατόπιν, θα γίνει προσπάθεια πρόβλεψης του συναισθήματος με δύο διαφορετικές μεθόδους, αυτή του λεξικού και αυτή της μηχανικής μάθησης με τη χρήση του αλγορίθμου κατηγοριοποίησης Naive Bayes.","The main aim of this thesis is to classify small messages from Twitter (tweets), according to their sentiment, using data mining techniques. In the beginning, the researcher will attempt to detect the opinion targets of the tweets that have to do with the refugee crisis and particularly with the refugees’ education and to categorize them according to their polarity. After that, the sentiment of the above-mentioned tweets is going to be predicted automatically by using two different methods, a lexicon- based, as well as a machine learning method based on the Naive Bayes algorithm."]},{"key":"dc:title","label":"Title","values":["Ανάλυση συναισθήματος σε ελληνικά και γερμανικά δεδομένα του Twitter γύρω από την εκπαίδευση των προσφύγων με τη χρήση lexicon- based και machine learning μεθόδων και εργαλείων της γλώσσας R"]}]}],"canonical_facts":{"dc:creator":["Βλάχου Έλλη","Vlachou Elli"],"dc:date":["2017"],"dc:description":["Στόχος της παρούσας διπλωματικής είναι η ταξινόμηση σύντομων μηνυμάτων από το κοινωνικό δίκτυο Twitter με γνώμονα το συναίσθημα που εκφράζεται μέσα από αυτά, χρησιμοποιώντας τεχνικές εξόρυξης δεδομένων. Αρχικά, θα γίνει προσπάθεια να κατηγοριοποιηθούν χειροκίνητα ως προς την πολικότητά τους μηνύματα του Twitter από Ελλάδα και Γερμανία που έχουν να κάνουν με την προσφυγική κρίση και συγκεκριμένα με την εκπαίδευση των προσφύγων και στη συνέχεια θα ανιχνευτεί ο στόχος του συναισθήματος, σε ποιον δηλαδή απευθύνεται το συναίσθημα που εκφράζεται σε καθένα από τα tweets. Κατόπιν, θα γίνει προσπάθεια πρόβλεψης του συναισθήματος με δύο διαφορετικές μεθόδους, αυτή του λεξικού και αυτή της μηχανικής μάθησης με τη χρήση του αλγορίθμου κατηγοριοποίησης Naive Bayes.","The main aim of this thesis is to classify small messages from Twitter (tweets), according to their sentiment, using data mining techniques. In the beginning, the researcher will attempt to detect the opinion targets of the tweets that have to do with the refugee crisis and particularly with the refugees’ education and to categorize them according to their polarity. After that, the sentiment of the above-mentioned tweets is going to be predicted automatically by using two different methods, a lexicon- based, as well as a machine learning method based on the Naive Bayes algorithm."],"dc:identifier":["uoadl:2417962","https://pergamos.lib.uoa.gr/uoa/dl/object/2417962"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Ανάλυση συναισθήματος σε ελληνικά και γερμανικά δεδομένα του Twitter γύρω από την εκπαίδευση των προσφύγων με τη χρήση lexicon- based και machine learning μεθόδων και εργαλείων της γλώσσας R"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:30:18Z"}