{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2820764"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2820764","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 με χρήση τεχνικών εξόρυξης άποψης σε σχόλια στο YouTube και εφαρμογή τους στο Marketing","abstract":"Οι χρήστες των Μέσων Κοινωνικής Δικτύωσης μέσα από τα σχόλια τους μοιράζονται τις απόψεις τους και εκφράζουν τα συναισθήματά τους δημιουργώντας δεδομένα μεγάλου όγκου, των οποίων η ανάλυση αποτελεί μια ιδιαίτερα απαιτητική διαδικασία. Τα δεδομένα αυτά παρέχουν σημαντικά συμπεράσματα σχετικά με τις γνώμες των καταναλωτών και γι’ αυτό το λόγο είναι απαραίτητη η εξαγωγή και η αξιολόγησή τους για διάφορους σκοπούς ανάπτυξης των πωλήσεων. Σκοπός της παρούσας διπλωματικής εργασίας είναι η Ανάλυση Συναισθήματος των σχολίων του Μέσου Κοινωνικής Δικτύωσης YouTube σε περιπτώσεις διαφημιστικών βίντεο με τη χρήση της γλώσσας προγραμματισμού Python. Η Ανάλυση Συναισθήματος σε σύνολα σχολίων αποκαλύπτει την ανταπόκριση του κοινού μέσω του σχολιασμού σε διάφορα βίντεο και παρέχει συμπεράσματα που θα μπορούσαν να αξιοποιηθούν από τις επιχειρήσεις προκειμένου να βελτιώσουν τη στρατηγική προώθησης των προϊόντων τους. Στην εργασία αναλύονται -με τη χρήση Λεξικού Συναισθήματος- 78.534 σχόλια και κατανέμονται με βάση την πόλωση (θετικό-αρνητικό) αλλά και με βάση το συναίσθημα που εκφράζεται από τους χρήστες. Παράλληλα ερευνάται η κατανομή της θετικής ή αρνητικής διάθεσης των χρηστών ανά μήνα και ανά έτος και εξάγονται συμπεράσματα σχετικά με την ανταπόκριση των σχολιαστών στις διαφημίσεις.","abstract_html":"Οι χρήστες των Μέσων Κοινωνικής Δικτύωσης μέσα από τα σχόλια τους μοιράζονται τις απόψεις τους και εκφράζουν τα συναισθήματά τους δημιουργώντας δεδομένα μεγάλου όγκου, των οποίων η ανάλυση αποτελεί μια ιδιαίτερα απαιτητική διαδικασία. Τα δεδομένα αυτά παρέχουν σημαντικά συμπεράσματα σχετικά με τις γνώμες των καταναλωτών και γι’ αυτό το λόγο είναι απαραίτητη η εξαγωγή και η αξιολόγησή τους για διάφορους σκοπούς ανάπτυξης των πωλήσεων. Σκοπός της παρούσας διπλωματικής εργασίας είναι η Ανάλυση Συναισθήματος των σχολίων του Μέσου Κοινωνικής Δικτύωσης YouTube σε περιπτώσεις διαφημιστικών βίντεο με τη χρήση της γλώσσας προγραμματισμού Python. Η Ανάλυση Συναισθήματος σε σύνολα σχολίων αποκαλύπτει την ανταπόκριση του κοινού μέσω του σχολιασμού σε διάφορα βίντεο και παρέχει συμπεράσματα που θα μπορούσαν να αξιοποιηθούν από τις επιχειρήσεις προκειμένου να βελτιώσουν τη στρατηγική προώθησης των προϊόντων τους. Στην εργασία αναλύονται -με τη χρήση Λεξικού Συναισθήματος- 78.534 σχόλια και κατανέμονται με βάση την πόλωση (θετικό-αρνητικό) αλλά και με βάση το συναίσθημα που εκφράζεται από τους χρήστες. Παράλληλα ερευνάται η κατανομή της θετικής ή αρνητικής διάθεσης των χρηστών ανά μήνα και ανά έτος και εξάγονται συμπεράσματα σχετικά με την ανταπόκριση των σχολιαστών στις διαφημίσεις.","abstract_has_math":false,"creators":["Οικονομόπουλος Χαράλαμπος","Oikonomopoulos Charalampos"],"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":"2026-11-19T05:32:56Z","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:2820764"],"render_values":[{"text":"uoadl:2820764","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2820764","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2820764","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%3A2820764","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Οικονομόπουλος Χαράλαμπος","Oikonomopoulos Charalampos"]}]},{"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":["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:2820764","https://pergamos.lib.uoa.gr/uoa/dl/object/2820764"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι χρήστες των Μέσων Κοινωνικής Δικτύωσης μέσα από τα σχόλια τους μοιράζονται τις απόψεις τους και εκφράζουν τα συναισθήματά τους δημιουργώντας δεδομένα μεγάλου όγκου, των οποίων η ανάλυση αποτελεί μια ιδιαίτερα απαιτητική διαδικασία. Τα δεδομένα αυτά παρέχουν σημαντικά συμπεράσματα σχετικά με τις γνώμες των καταναλωτών και γι’ αυτό το λόγο είναι απαραίτητη η εξαγωγή και η αξιολόγησή τους για διάφορους σκοπούς ανάπτυξης των πωλήσεων. Σκοπός της παρούσας διπλωματικής εργασίας είναι η Ανάλυση Συναισθήματος των σχολίων του Μέσου Κοινωνικής Δικτύωσης YouTube σε περιπτώσεις διαφημιστικών βίντεο με τη χρήση της γλώσσας προγραμματισμού Python. Η Ανάλυση Συναισθήματος σε σύνολα σχολίων αποκαλύπτει την ανταπόκριση του κοινού μέσω του σχολιασμού σε διάφορα βίντεο και παρέχει συμπεράσματα που θα μπορούσαν να αξιοποιηθούν από τις επιχειρήσεις προκειμένου να βελτιώσουν τη στρατηγική προώθησης των προϊόντων τους. Στην εργασία αναλύονται -με τη χρήση Λεξικού Συναισθήματος- 78.534 σχόλια και κατανέμονται με βάση την πόλωση (θετικό-αρνητικό) αλλά και με βάση το συναίσθημα που εκφράζεται από τους χρήστες. Παράλληλα ερευνάται η κατανομή της θετικής ή αρνητικής διάθεσης των χρηστών ανά μήνα και ανά έτος και εξάγονται συμπεράσματα σχετικά με την ανταπόκριση των σχολιαστών στις διαφημίσεις.","Social Media users share through their comments their opinions and express their feelings creating big data, of which the analysis constitutes a considerably demanding process. Aforementioned data provides interesting conclusions concerning the consumers’ opinions and for this reason their extraction and evaluation is necessary for various purposes in the sales development. The scope of the present diploma thesis is the Sentiment Analysis of the comments of the social media YouTube in cases of advertisement videos with the use of the Python programming language. The Sentiment Analysis on a set of comments reveals the public’s reaction/response through commenting various videos and provides conclusions that could be utilized from the companies in order to improve the promotion strategy of their products. In the present thesis, 78.534 comments are analysed – with the use of Emotion Lexicon – and classified based on the polarity (positive-negative) as well as based on the feeling that is expressed from the users. In parallel, the distribution of the positive and negative mood of the users is investigated per month and per year and conclusions are extracted concerning the reaction/response of the commenters to the advertisements."]},{"key":"dc:title","label":"Title","values":["Ανάλυση Συναισθήματος με χρήση τεχνικών εξόρυξης άποψης σε σχόλια στο YouTube και εφαρμογή τους στο Marketing"]}]}],"canonical_facts":{"dc:creator":["Οικονομόπουλος Χαράλαμπος","Oikonomopoulos Charalampos"],"dc:date":["2018"],"dc:description":["Οι χρήστες των Μέσων Κοινωνικής Δικτύωσης μέσα από τα σχόλια τους μοιράζονται τις απόψεις τους και εκφράζουν τα συναισθήματά τους δημιουργώντας δεδομένα μεγάλου όγκου, των οποίων η ανάλυση αποτελεί μια ιδιαίτερα απαιτητική διαδικασία. Τα δεδομένα αυτά παρέχουν σημαντικά συμπεράσματα σχετικά με τις γνώμες των καταναλωτών και γι’ αυτό το λόγο είναι απαραίτητη η εξαγωγή και η αξιολόγησή τους για διάφορους σκοπούς ανάπτυξης των πωλήσεων. Σκοπός της παρούσας διπλωματικής εργασίας είναι η Ανάλυση Συναισθήματος των σχολίων του Μέσου Κοινωνικής Δικτύωσης YouTube σε περιπτώσεις διαφημιστικών βίντεο με τη χρήση της γλώσσας προγραμματισμού Python. Η Ανάλυση Συναισθήματος σε σύνολα σχολίων αποκαλύπτει την ανταπόκριση του κοινού μέσω του σχολιασμού σε διάφορα βίντεο και παρέχει συμπεράσματα που θα μπορούσαν να αξιοποιηθούν από τις επιχειρήσεις προκειμένου να βελτιώσουν τη στρατηγική προώθησης των προϊόντων τους. Στην εργασία αναλύονται -με τη χρήση Λεξικού Συναισθήματος- 78.534 σχόλια και κατανέμονται με βάση την πόλωση (θετικό-αρνητικό) αλλά και με βάση το συναίσθημα που εκφράζεται από τους χρήστες. Παράλληλα ερευνάται η κατανομή της θετικής ή αρνητικής διάθεσης των χρηστών ανά μήνα και ανά έτος και εξάγονται συμπεράσματα σχετικά με την ανταπόκριση των σχολιαστών στις διαφημίσεις.","Social Media users share through their comments their opinions and express their feelings creating big data, of which the analysis constitutes a considerably demanding process. Aforementioned data provides interesting conclusions concerning the consumers’ opinions and for this reason their extraction and evaluation is necessary for various purposes in the sales development. The scope of the present diploma thesis is the Sentiment Analysis of the comments of the social media YouTube in cases of advertisement videos with the use of the Python programming language. The Sentiment Analysis on a set of comments reveals the public’s reaction/response through commenting various videos and provides conclusions that could be utilized from the companies in order to improve the promotion strategy of their products. In the present thesis, 78.534 comments are analysed – with the use of Emotion Lexicon – and classified based on the polarity (positive-negative) as well as based on the feeling that is expressed from the users. In parallel, the distribution of the positive and negative mood of the users is investigated per month and per year and conclusions are extracted concerning the reaction/response of the commenters to the advertisements."],"dc:identifier":["uoadl:2820764","https://pergamos.lib.uoa.gr/uoa/dl/object/2820764"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Ανάλυση Συναισθήματος με χρήση τεχνικών εξόρυξης άποψης σε σχόλια στο YouTube και εφαρμογή τους στο Marketing"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:32:56Z"}