National and Kapodistrian University of Athens
Σύστημα προτεινόμενων ταινιών με τεχνικές ανάλυσης συναισθήματος
Abstract
dc:descriptionΣτο επίκεντρο της ανάλυσης συναισθήματος βρίσκεται η ικανότητα επεξεργασίας, κατανόησης και ερμηνείας της ανθρώπινης γλώσσας - ένα έργο που ταιριάζει απόλυτα στο στον τομέα της Επεξεργασίας Φυσικής Γλώσσας. Αξιοποιώντας τη δύναμη των αλγορίθμων, των μοντέλων μηχανικής μάθησης και της γλωσσικής ανάλυσης, διευκολύνεται η εξαγωγή νοήματος από δεδομένα κειμένου σε πλατφόρμες κοινωνικής δικτύωσης. Σε αυτή την διατριβή διερευνάται το ζήτημα της κατηγοριοποίησης των κριτικών ταινιών σε θετικές ή αρνητικές με βάση το συναίσθημα των απόψεων. Πιο συγκεκριμένα, αναλύεται μια προσέγγιση που επικεντρώνεται στην ανάλυση συναισθημάτων σε κριτικές ταινιών του IMDb, χρησιμοποιώντας δεδομένα που προέρχονται από το Πανεπιστήμιο του Stanford. Σκοπός είναι η εκπαίδευση και η σύγκριση διάφορων μοντέλων Μηχανικής Μάθησης που προβλέπουν την πολικότητα της άποψης, όπως επίσης και η διερεύνηση των μεθόδων εξαγωγής χαρακτηριστικών από κείμενα και τους τρόπους ενσωμάτωσής τους σε αυτά τα μοντέλα. Προκειμένου να καθοριστεί ποιο μοντέλο είναι πιο αποτελεσματικό στην πρόβλεψη της ανάλυσης συναισθήματος, τα κατασκευασμένα μοντέλα αξιολογούνται στο σύνολο δοκιμών χρησιμοποιώντας μετρήσεις που περιλαμβάνουν την συνολική ορθότητα, την ακρίβεια , την ανάκληση και την βαθμολογία F1 στις δυο κατηγορίες. Παράλληλα, παρατίθενται οι πίνακες σύγχυσης όλων των συνδυασμών, οι οποίοι βοηθούν στην σύγκριση τόσο εντός του μοντέλου όσο και συνολικά. Τέλος, η εργασία ολοκληρώνεται με την αιτιολόγηση αυτής της αντιπαράθεσης τεχνικών. Συμπεραίνεται ότι ο βέλτιστος συνδυασμός εμφανίζεται το μοντέλο του γραμμικού SVC με την μεθόδου TF-IDF, υποδεικνύοντας την αποτελεσματικότητα αυτής της ανάλυσης συναισθημάτων σε κείμενο.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Μενεγάκη Όλγα
- Menegaki Olga
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:3420740