National and Kapodistrian University of Athens
Ταξινόμηση κειμένου πολλαπλών ετικετών στα είδη των ταινιών
Abstract
dc:descriptionΑυτή η διπλωματική εργασία, πραγματεύεται το θέμα της ταξινόμησης κειμένου πολλαπλών ετικετών, που ανήκει στο πεδίο της επιστήμης της επιβλεπόμενης Μηχανικής Μάθησης. Ειδικότερα, η εργασία αυτή έχει ως στόχο, την ταξινόμηση της περιγραφής κάθε ταινίας στις πολλαπλές ετικέτες, που αναφέρονται στα είδη ταινίας, καθώς η έρευνα βασίστηκε σε ένα σύνολο δεδομένων με δεδομένα ταινιών. Σε αρχικό στάδιο γίνεται η ανασκόπηση βιβλιογραφίας, αναφέροντας του βασικούς όρους της μηχανικής μάθησης και σε συνέχεια αναλύεται η έννοια της ταξινόμησης κειμένου, της ταξινόμησης πολλαπλών ετικετών αλλά και των μεθόδων που εφαρμόστηκαν στο επόμενο στάδιο. Έπειτα ακολουθεί το κύριο σκέλος της εργασίας όπου απαρτίζεται αρχικά από την επεξήγηση του συνόλου δεδομένων και της ανάλυσης του μέσω της περιγραφικής στατιστικής. Ακολουθεί ο μετασχηματισμός των ετικετών με την μέθοδο του Binary Relevance και η εξαγωγή των χαρακτηριστικών κειμένου με την μέθοδο TF-IDF. Οι αλγόριθμοι που επιλέχθηκαν για την πρόβλεψη των ετικετών των ειδών κάθε ταινίας με βάση την περιγραφή κάθε ταινίας ήταν, η Λογιστική Παλινδρόμηση και ο MLP ταξινομητής. Για την αξιολόγηση του κάθε ταξινομητή λήφθηκαν υπόψιν τρία μέτρα εκτίμησης, το recall, το precision και το f1 score και πραγματοποιήθηκαν δοκιμές έτσι ώστε να επιλεχθεί η καλύτερη απόδοση κάθε μοντέλου. Τέλος, αναλύονται τα συμπεράσματα, από τα αποτελέσματα του κάθε ταξινομητή και γίνεται η επιλογή του καλύτερου μοντέλου για την ταξινόμηση, κάνοντας μια αναφορά στο τέλος, για προοπτικές εξέλιξης της εργασίας αυτής στο μέλλον.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Πολίτη Μάρθα-Ελένη
- Politi Martha-Eleni
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek, English
Identifiers
dc:identifier.*- Identifier
- uoadl:3361088