National and Kapodistrian University of Athens
Text mining: social network analysis for predicting consumer's trends within the IT industry
Abstract
dc:descriptionΜε την πρόοδο της τεχνολογίας, όλο και περισσότερα δεδομένα είναι διαθέσιμα σε ψηφιακή μορφή. Μεταξύ των οποίων, τα περισσότερα από τα στοιχεία (περίπου 85%) είναι σε μη δομημένη μορφή κειμένου.Έχει καταστεί απαραίτητο να αναπτυχθούν καλύτερες τεχνικές και αλγόριθμοι για την εξαγωγή χρήσιμων και ενδιαφέρουσες πληροφορίες από αυτό το μεγάλο ποσό κειμένων δεδομένων. Ως εκ τούτου, οι τομείς της εξόρυξης κειμένου και της εξόρυξης πληροφοριών έχουν γίνει αρκετά δημοφιλείς τομείς έρευνας, για να εξαγάγουν ενδιαφέρουσες και χρήσιμες πληροφορίες. Επίσης, η ανάλυση συναισθημάτων χρησιμοποιείται ευρέως ως μέρος της τεχνικής εξόρυξης κειμένου για να συλλάβει τα συναισθήματα των ανθρώπων και να τα μετατρέψει σε ουσιαστικά συμπεράσματα και πρότυπα βοηθώντας τις επιχειρήσεις να λάβουν σημαντικές προφυλάξεις για τη στρατηγική τους διαχείριση. Το παρόν έγγραφο επικεντρώνεται στην έννοια, τη διαδικασία και τις εφαρμογές της ανάλυσης κειμένων μέσω ανάλυσης κοινωνικών δικτύων για την ανάλυση και την πρόβλεψη των τάσεων των καταναλωτών στον τομέα της πληροφορικής. Αλγόριθμοι και εργαλεία λογισμικού θα χρησιμοποιηθούν για την εξαγωγή δεδομένων από εφαρμογές κοινωνικών μέσων όπως το Τwitter και με τη σωστή ανάλυση, όπως ανάλυση συναισθημάτων, θα δημιουργηθεί στατιστική έκθεση και πρότυπα για να εξαχθούν συμπεράσματα σχετικά με το ποια προϊόντα προτιμούν οι καταναλωτές και ποια είναι τα συναισθήματά τους με την πρόοδο αυτών των προϊόντων, και τι άλλο θα ήθελαν να δουν στο μέλλον σχετικά με τα αξεσουάρ και το λογισμικό πληροφορικής. Πιο συγκεκριμένα, η συλλογή δεδομένων από δύο πλατφόρμες κοινωνικών μέσων που είναι το Twitter και το Facebook με τη χρήση της γλώσσας R θεωρείται ως ένα πρώτο βήμα. Αυτά τα δεδομένα που περιλαμβάνουν σχόλια, hashtags, αντιδράσεις και συμπαράσματα, υποβάλλονται σε μια ανάλυση συναισθημάτων με τη χρήση της γλώσσας προγραμματισμού R και πάλι έτσι ώστε να υπολογιστεί το ποσοστό των απόψεων των καταναλωτών για κάθε εμπορικό σήμα και για κάθε προϊόν της μάρκας. Οι απόψεις κατατάσσονται σε τρεις κατηγορίες: αρνητικές, θετικές και ουδέτερες. Τέλος, τα αποτελέσματα μετατρέπονται σε στατιστικά γράμματα για να ερμηνευτούν τα αποτελέσματα και τα εξαγόμενα συμπεράσματα. Να δηλώσει ποιοι καταναλωτές μάρκα προτιμούν περισσότερο και ποιο προϊόν είναι οι καταναλωτές περισσότερο σε αυτό. Επίσης, για κάθε προϊόν παρουσιάζονται οι μεταβλητές που οδηγούν τους ανθρώπους να ολοκλη ρώσουν μια αγορά και ο όγκος πωλήσεων για κάθε εμπορικό σήμα, ώστε να μπορούν να εξαχθούν πίνακες σύγκρισης. Μετά την ολοκλήρωση της ανάλυσης και τα συμπεράσματα σχετικά με την αποτελεσματικότητα της ανάλυσης κειμένων και του συναισθήματος για εμπορικούς σκοπούς, μερικές μελλοντικές προτάσεις για τον τρόπο αξιολόγησης των αποτελεσμάτων της διατριβής του μεταπτυχιακού διπλώματος και για το τι μπορεί να ενσωματωθεί στο μέλλον στον τομέα εξόρυξης κειμένου και εξόρυξης γνώμης θα αξιολογηθεί το πεδίο και θα παρουσιαστεί επίσης. Γενικά, αυτή η εργασία επικεντρώνεται περισσότερο στην παρουσίαση της αποτελεσματικότητας της ανάλυσης κέντρων εξόρυξης κειμένου και συναισθημάτων στα κοινωνικά μέσα ενημέρωσης για σκοπούς μάρκετινγκ.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Ζήνωνος Ιωάννα
- Zinonos Ioanna
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, English, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:2819939