{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2819939"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2819939","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Text mining: social network analysis for predicting consumer's trends within the IT industry","abstract":"Με 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.","abstract_html":"Με 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.","abstract_has_math":false,"creators":["Ζήνωνος Ιωάννα","Zinonos Ioanna"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:32:51Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2819939"],"render_values":[{"text":"uoadl:2819939","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2819939","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2819939","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%3A2819939","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ζήνωνος Ιωάννα","Zinonos Ioanna"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"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":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2819939","https://pergamos.lib.uoa.gr/uoa/dl/object/2819939"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Με 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.","With the advancement of technology, more and more data is available in digital form. Among which, most of the data (approx. 85%) is in unstructured textual form. Text, so it has become essential to develop better techniques and algorithms to extract useful and interesting information from this large amount of textual data. Hence, the areas of text mining and information extraction have become quite popular areas of research, to extract interesting and useful information. Also sentiment analysis is widely used as part of the text mining technique to capture the emotions of people and convert them into meaningful conclusions and patterns helping businesses to take important precautions towards their strategic management. This paper focuses on the concept, process and applications of Text Mining via Social Network analysis for analyzing and predicting consumer’s trends within the IT sector. Algorithms and software tools will be used to extract data from social media applications such as twitter and with the right analysis such as sentiment analysis a statistical report and patterns will be created in order to draw conclusions on about which products consumers prefer and what their feelings are with the advancement of these products, also what else they would like to see in future concerning IT accessories and software. More specific, the collection of data from two social media platforms which is Twitter and Facebook with the use of R language is taken as a first step. These data that includes comments, hashtags, reactions and likes, are going under a sentiment analysis with the use of R programming language again so that the percentage of the opinions of the consumers for each brand and for every product of the brand will be calculated. The opinions are falling into three categories: negative, positive and neutral. Finally the results are transformed into statistical graphs in order to interpreter the results and drawn conclusions. To state which brand consumers prefer the most and which product are consumers more into it. Also for each product the variables that lead people to finalize a purchase and the sales volume for each brand are presented so that comparison tables can be drawn. After the analysis is completed and the conclusions about the effectiveness of text mining and sentiment analysis for marketing purposes some future suggestions on how the results of this master’s thesis can be evaluated and what can be integrated in the text mining and opinion mining field in future to evaluate the field as well will be presented too. Overall this thesis focuses more to present the effectiveness of text mining and sentiment analysis on social media for marketing purposes."]},{"key":"dc:title","label":"Title","values":["Text mining: social network analysis for predicting consumer's trends within the IT industry"]}]}],"canonical_facts":{"dc:creator":["Ζήνωνος Ιωάννα","Zinonos Ioanna"],"dc:date":["2018"],"dc:description":["Με 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.","With the advancement of technology, more and more data is available in digital form. Among which, most of the data (approx. 85%) is in unstructured textual form. Text, so it has become essential to develop better techniques and algorithms to extract useful and interesting information from this large amount of textual data. Hence, the areas of text mining and information extraction have become quite popular areas of research, to extract interesting and useful information. Also sentiment analysis is widely used as part of the text mining technique to capture the emotions of people and convert them into meaningful conclusions and patterns helping businesses to take important precautions towards their strategic management. This paper focuses on the concept, process and applications of Text Mining via Social Network analysis for analyzing and predicting consumer’s trends within the IT sector. Algorithms and software tools will be used to extract data from social media applications such as twitter and with the right analysis such as sentiment analysis a statistical report and patterns will be created in order to draw conclusions on about which products consumers prefer and what their feelings are with the advancement of these products, also what else they would like to see in future concerning IT accessories and software. More specific, the collection of data from two social media platforms which is Twitter and Facebook with the use of R language is taken as a first step. These data that includes comments, hashtags, reactions and likes, are going under a sentiment analysis with the use of R programming language again so that the percentage of the opinions of the consumers for each brand and for every product of the brand will be calculated. The opinions are falling into three categories: negative, positive and neutral. Finally the results are transformed into statistical graphs in order to interpreter the results and drawn conclusions. To state which brand consumers prefer the most and which product are consumers more into it. Also for each product the variables that lead people to finalize a purchase and the sales volume for each brand are presented so that comparison tables can be drawn. After the analysis is completed and the conclusions about the effectiveness of text mining and sentiment analysis for marketing purposes some future suggestions on how the results of this master’s thesis can be evaluated and what can be integrated in the text mining and opinion mining field in future to evaluate the field as well will be presented too. Overall this thesis focuses more to present the effectiveness of text mining and sentiment analysis on social media for marketing purposes."],"dc:identifier":["uoadl:2819939","https://pergamos.lib.uoa.gr/uoa/dl/object/2819939"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Text mining: social network analysis for predicting consumer's trends within the IT industry"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:32:51Z"}