{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2923504"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2923504","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Sentiment Analysis Application with Social Media Network Integration","abstract":"Η εξαγωγή και ανάλυση συναισθήματος αποτελεί τομέα εφαρμογών της Επεξεργασίας Φυσικής Γλώσσας, στοχεύοντας στην εξαγωγή γνώμης και συναισθημάτων από εισερχόμενα κείμενα. Η παρούσα μελέτη και Διπλωματική Εργασία αυτή έχει ως σκοπό την δημιουργία μιας διαδικτυακής πλατφόρμας για εξαγωγή συναισθήματος από γραπτά κείμενα των μεσών κοινωνικής δικτύωσης. Συγκεκριμένα, αποτελείται από μοντέλο μηχανικής μάθησης το οποίο επιτρέπει την ανάλυση συναισθήματος από κείμενα και την κατηγοριοποίησή τους σε θετικά, αρνητικά ή ουδέτερα, καθώς και μιας διαδικτυακής εφαρμογής η οποία παρέχει σε χρήστες τη δυνατότητα να αλληλεπιδρούν με το μοντέλο αυτό και να εξάγουν συναισθηματική πληροφορία από τα κείμενα που εισάγουν. Επιπροσθέτως, δίνεται η δυνατότητα αναζήτησης λέξεων-κλειδιών σε δύο διαφορετικά είδη κειμένων (tweets και κριτικές) και σε διαφορετικά μέσα κοινωνικής δικτύωσης όπως είναι το Twitter και το Reddit, για την ανάλυση σχολίων, καθώς επίσης και η προβολή διαγραμμάτων με στοιχεία σχετικά με τους χρήστες που διατύπωσαν τα σχόλια. Δίνεται η δυνατότητα εξαγωγής σχολίων και ανάλυσης του συναισθηματικού περιεχομένου τους και από βίντεο της πλατφόρμας Youtube. Για την υλοποίηση των στοιχείων της εργασίας χρησιμοποιήθηκαν οι γλώσσες προγραμματισμού Python και JavaScript. Η παρούσα μελέτη περιλαμβάνει εκτενή περιγραφή του μοντέλου προβλέψεων και του τρόπου δημιουργίας του. Περιγράφεται επίσης αναλυτικά η υλοποίηση καθώς και η προ-επεξεργασία που υπόκειται το κείμενο πριν δοθεί στο μοντέλο μηχανικής μάθησης για την εξαγωγή συναισθήματος. Τέλος, προτείνονται βελτιώσεις και επεκτάσεις που θα μπορούσαν να γίνουν στην εν λόγω πλατφόρμα μελλοντικά, προσφέροντας ακόμη περισσότερες δυνατότητες και λειτουργίες στους χρήστες της εφαρμογής.","abstract_html":"Η εξαγωγή και ανάλυση συναισθήματος αποτελεί τομέα εφαρμογών της Επεξεργασίας Φυσικής Γλώσσας, στοχεύοντας στην εξαγωγή γνώμης και συναισθημάτων από εισερχόμενα κείμενα. Η παρούσα μελέτη και Διπλωματική Εργασία αυτή έχει ως σκοπό την δημιουργία μιας διαδικτυακής πλατφόρμας για εξαγωγή συναισθήματος από γραπτά κείμενα των μεσών κοινωνικής δικτύωσης. Συγκεκριμένα, αποτελείται από μοντέλο μηχανικής μάθησης το οποίο επιτρέπει την ανάλυση συναισθήματος από κείμενα και την κατηγοριοποίησή τους σε θετικά, αρνητικά ή ουδέτερα, καθώς και μιας διαδικτυακής εφαρμογής η οποία παρέχει σε χρήστες τη δυνατότητα να αλληλεπιδρούν με το μοντέλο αυτό και να εξάγουν συναισθηματική πληροφορία από τα κείμενα που εισάγουν. Επιπροσθέτως, δίνεται η δυνατότητα αναζήτησης λέξεων-κλειδιών σε δύο διαφορετικά είδη κειμένων (tweets και κριτικές) και σε διαφορετικά μέσα κοινωνικής δικτύωσης όπως είναι το Twitter και το Reddit, για την ανάλυση σχολίων, καθώς επίσης και η προβολή διαγραμμάτων με στοιχεία σχετικά με τους χρήστες που διατύπωσαν τα σχόλια. Δίνεται η δυνατότητα εξαγωγής σχολίων και ανάλυσης του συναισθηματικού περιεχομένου τους και από βίντεο της πλατφόρμας Youtube. Για την υλοποίηση των στοιχείων της εργασίας χρησιμοποιήθηκαν οι γλώσσες προγραμματισμού Python και JavaScript. Η παρούσα μελέτη περιλαμβάνει εκτενή περιγραφή του μοντέλου προβλέψεων και του τρόπου δημιουργίας του. Περιγράφεται επίσης αναλυτικά η υλοποίηση καθώς και η προ-επεξεργασία που υπόκειται το κείμενο πριν δοθεί στο μοντέλο μηχανικής μάθησης για την εξαγωγή συναισθήματος. Τέλος, προτείνονται βελτιώσεις και επεκτάσεις που θα μπορούσαν να γίνουν στην εν λόγω πλατφόρμα μελλοντικά, προσφέροντας ακόμη περισσότερες δυνατότητες και λειτουργίες στους χρήστες της εφαρμογής.","abstract_has_math":false,"creators":["Γιαννάκης Σταύρος","Giannakis Stavros"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:39:59Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2923504"],"render_values":[{"text":"uoadl:2923504","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2923504","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2923504","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%3A2923504","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Γιαννάκης Σταύρος","Giannakis Stavros"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"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":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2923504","https://pergamos.lib.uoa.gr/uoa/dl/object/2923504"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η εξαγωγή και ανάλυση συναισθήματος αποτελεί τομέα εφαρμογών της Επεξεργασίας Φυσικής Γλώσσας, στοχεύοντας στην εξαγωγή γνώμης και συναισθημάτων από εισερχόμενα κείμενα. Η παρούσα μελέτη και Διπλωματική Εργασία αυτή έχει ως σκοπό την δημιουργία μιας διαδικτυακής πλατφόρμας για εξαγωγή συναισθήματος από γραπτά κείμενα των μεσών κοινωνικής δικτύωσης. Συγκεκριμένα, αποτελείται από μοντέλο μηχανικής μάθησης το οποίο επιτρέπει την ανάλυση συναισθήματος από κείμενα και την κατηγοριοποίησή τους σε θετικά, αρνητικά ή ουδέτερα, καθώς και μιας διαδικτυακής εφαρμογής η οποία παρέχει σε χρήστες τη δυνατότητα να αλληλεπιδρούν με το μοντέλο αυτό και να εξάγουν συναισθηματική πληροφορία από τα κείμενα που εισάγουν. Επιπροσθέτως, δίνεται η δυνατότητα αναζήτησης λέξεων-κλειδιών σε δύο διαφορετικά είδη κειμένων (tweets και κριτικές) και σε διαφορετικά μέσα κοινωνικής δικτύωσης όπως είναι το Twitter και το Reddit, για την ανάλυση σχολίων, καθώς επίσης και η προβολή διαγραμμάτων με στοιχεία σχετικά με τους χρήστες που διατύπωσαν τα σχόλια. Δίνεται η δυνατότητα εξαγωγής σχολίων και ανάλυσης του συναισθηματικού περιεχομένου τους και από βίντεο της πλατφόρμας Youtube. Για την υλοποίηση των στοιχείων της εργασίας χρησιμοποιήθηκαν οι γλώσσες προγραμματισμού Python και JavaScript. Η παρούσα μελέτη περιλαμβάνει εκτενή περιγραφή του μοντέλου προβλέψεων και του τρόπου δημιουργίας του. Περιγράφεται επίσης αναλυτικά η υλοποίηση καθώς και η προ-επεξεργασία που υπόκειται το κείμενο πριν δοθεί στο μοντέλο μηχανικής μάθησης για την εξαγωγή συναισθήματος. Τέλος, προτείνονται βελτιώσεις και επεκτάσεις που θα μπορούσαν να γίνουν στην εν λόγω πλατφόρμα μελλοντικά, προσφέροντας ακόμη περισσότερες δυνατότητες και λειτουργίες στους χρήστες της εφαρμογής.","Sentiment Analysis is an application domain of Natural Language Processing focusing in extracting sentiment and opinion from textual input. The purpose of the present Thesis is the creation of a web platform for extracting sentiment from texts. Specifically, the designed and implemented platform consists of a machine learning model that manages to retrieve sentiment from a text by categorizing the input into three different classes: positive, negative or neutral. Additionally, this model can be used via a web application processing two different types of text input, namely tweets and (movie) reviews. The platform also provides the possibility to retrieve comments and opinions from different social media platforms such as Reddit, Twitter and Youtube by searching any keyword and classify the results. The results are presented with a distinctive visualization to the users, giving a better perspective of what people think about specific topics. For the development of the components of the present project and application, the Python and JavaScript programming languages have been utilized. The machine learning model and the training data is described, as well as the preprocessing techniques that each textual input is subjected to before its classification into a category. Finally, improvements on the platform are proposed for offering more options and functionalities to the users."]},{"key":"dc:title","label":"Title","values":["Sentiment Analysis Application with Social Media Network Integration"]}]}],"canonical_facts":{"dc:creator":["Γιαννάκης Σταύρος","Giannakis Stavros"],"dc:date":["2020"],"dc:description":["Η εξαγωγή και ανάλυση συναισθήματος αποτελεί τομέα εφαρμογών της Επεξεργασίας Φυσικής Γλώσσας, στοχεύοντας στην εξαγωγή γνώμης και συναισθημάτων από εισερχόμενα κείμενα. Η παρούσα μελέτη και Διπλωματική Εργασία αυτή έχει ως σκοπό την δημιουργία μιας διαδικτυακής πλατφόρμας για εξαγωγή συναισθήματος από γραπτά κείμενα των μεσών κοινωνικής δικτύωσης. Συγκεκριμένα, αποτελείται από μοντέλο μηχανικής μάθησης το οποίο επιτρέπει την ανάλυση συναισθήματος από κείμενα και την κατηγοριοποίησή τους σε θετικά, αρνητικά ή ουδέτερα, καθώς και μιας διαδικτυακής εφαρμογής η οποία παρέχει σε χρήστες τη δυνατότητα να αλληλεπιδρούν με το μοντέλο αυτό και να εξάγουν συναισθηματική πληροφορία από τα κείμενα που εισάγουν. Επιπροσθέτως, δίνεται η δυνατότητα αναζήτησης λέξεων-κλειδιών σε δύο διαφορετικά είδη κειμένων (tweets και κριτικές) και σε διαφορετικά μέσα κοινωνικής δικτύωσης όπως είναι το Twitter και το Reddit, για την ανάλυση σχολίων, καθώς επίσης και η προβολή διαγραμμάτων με στοιχεία σχετικά με τους χρήστες που διατύπωσαν τα σχόλια. Δίνεται η δυνατότητα εξαγωγής σχολίων και ανάλυσης του συναισθηματικού περιεχομένου τους και από βίντεο της πλατφόρμας Youtube. Για την υλοποίηση των στοιχείων της εργασίας χρησιμοποιήθηκαν οι γλώσσες προγραμματισμού Python και JavaScript. Η παρούσα μελέτη περιλαμβάνει εκτενή περιγραφή του μοντέλου προβλέψεων και του τρόπου δημιουργίας του. Περιγράφεται επίσης αναλυτικά η υλοποίηση καθώς και η προ-επεξεργασία που υπόκειται το κείμενο πριν δοθεί στο μοντέλο μηχανικής μάθησης για την εξαγωγή συναισθήματος. Τέλος, προτείνονται βελτιώσεις και επεκτάσεις που θα μπορούσαν να γίνουν στην εν λόγω πλατφόρμα μελλοντικά, προσφέροντας ακόμη περισσότερες δυνατότητες και λειτουργίες στους χρήστες της εφαρμογής.","Sentiment Analysis is an application domain of Natural Language Processing focusing in extracting sentiment and opinion from textual input. The purpose of the present Thesis is the creation of a web platform for extracting sentiment from texts. Specifically, the designed and implemented platform consists of a machine learning model that manages to retrieve sentiment from a text by categorizing the input into three different classes: positive, negative or neutral. Additionally, this model can be used via a web application processing two different types of text input, namely tweets and (movie) reviews. The platform also provides the possibility to retrieve comments and opinions from different social media platforms such as Reddit, Twitter and Youtube by searching any keyword and classify the results. The results are presented with a distinctive visualization to the users, giving a better perspective of what people think about specific topics. For the development of the components of the present project and application, the Python and JavaScript programming languages have been utilized. The machine learning model and the training data is described, as well as the preprocessing techniques that each textual input is subjected to before its classification into a category. Finally, improvements on the platform are proposed for offering more options and functionalities to the users."],"dc:identifier":["uoadl:2923504","https://pergamos.lib.uoa.gr/uoa/dl/object/2923504"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Sentiment Analysis Application with Social Media Network Integration"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:39:59Z"}