Ανάλυση συναισθήματος σε ειδησεογραφικές ιστοσελίδες βάσει ανάλυσης ιστορικής πληροφορίας
Η εργασία ερευνά ένα μέρος του πεδίου της Τεχνητής Νοημοσύνης που ονομάζεται Machine Learning (Μηχανική Μάθηση). Η Μηχανική Μάθηση ακολουθώντας κάποιους κανόνες, συνδυάζει αλγορίθμους μαζί με δεδομένα με σκοπό την αναγνώριση προτύπων και είναι παρούσα σε πολλά επιστημονικά πεδία όπως η στατιστική...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/19527 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Η εργασία ερευνά ένα μέρος του πεδίου της Τεχνητής Νοημοσύνης που ονομάζεται Machine
Learning (Μηχανική Μάθηση). Η Μηχανική Μάθηση ακολουθώντας κάποιους κανόνες,
συνδυάζει αλγορίθμους μαζί με δεδομένα με σκοπό την αναγνώριση προτύπων και είναι παρούσα
σε πολλά επιστημονικά πεδία όπως η στατιστική, η βιολογία, οι βάσεις δεδομένων, η επεξεργασία
φυσικής γλώσσας (Natural Language Processing), η υπολογιστική όραση κ.α.
Λαμβάνοντας υπόψιν τα παραπάνω ασχολούμαστε με την επεξεργασία φυσικής γλώσσας
και την στατιστική, χρησιμοποιώντας σαν «όχημα» ειδησεογραφικές ειδήσεις. Αρχικά, θέτουμε τα
εξής κριτήρια για δεδομένα που πρέπει να χρησιμοποιήσουμε για την κατασκευή του training set.
Τα ιδανικά δεδομένα πρέπει να έχουν όλα την ίδια μορφή, δηλαδή να είναι κείμενο, στην αγγλική
γλώσσα, χωρίς ορθογραφικά λάθη και με ένα πεπερασμένο πλήθος λέξεων που να αντιστοιχεί στο
σύνηθες μήκος των επικεφαλίδων ειδήσεων. Αποφασίζουμε πως δεν μπορούμε να
χρησιμοποιήσουμε την πληθώρα έτοιμων datasets που περιέχουν συλλογές κειμένων που αφορούν
κριτικές προϊόντων ή ταινιών εξαιτίας του πολύ μεγάλου μεγέθους αυτών. Η βέλτιστη λύση
εντοπίζεται στα tweets που λόγω του έμφυτου περιορισμού την πλατφόρμας για το μέγιστο μήκος
κειμένου είναι κοντά στις ανάγκες μας.
Προτού κατασκευάσουμε τα μοντέλα πρόβλεψης παρουσιάζουμε όλες τις οικογένειες
αλγορίθμων γενικότερα και επιλέγουμε ειδικότερα να αναλύσουμε τους αλγορίθμους που έχουμε
συμπεριλάβει στο πείραμα μας. Έπειτα, συνδυάζοντας τα δεδομένα κειμένου με αλγορίθμους
κατηγοριοποίησης που ανήκουν στην οικογένεια αλγορίθμων μάθησης με επίβλεψη (Supervised
learning) και πιο συγκεκριμένα την ομάδα αλγορίθμων Bayes, την ομάδα αλγορίθμων Γραμμικής
Παλινδρόμησης (Linear Regression), τον αλγόριθμο LinearSVC και την μέθοδο
PassiveAggressive εκπαιδεύουμε κάποια υπολογιστικά μοντέλα και τα χρησιμοποιούμε για να
εξάγουμε ποιοτικά συμπεράσματα για την εξέλιξη του συναισθήματος των ειδήσεων ανά τα
χρόνια. Μέσω πειραματισμού καταλήγουμε στο γεγονός ότι το μοντέλο που είναι βασισμένο στον
αλγόριθμο Ridge Regression είναι το πιο επιτυχημένο. Μετά το πέρας του πειραματισμού,
βελτιστοποιούμε περαιτέρω τον επιλεγμένο αλγόριθμο ως προς τις ανάγκες, μας λαμβάνοντας
υπόψιν για κάθε αλλαγή που κάνουμε τις μετρήσεις ακρίβειας, ανάκλησης και ευστοχίας του
μοντέλου πρόβλεψης. Η βελτιστοποίηση συνεχίζεται και μετά τη διεύρυνση του training set με
νέα δεδομένα.
Σειρά έχει η δημιουργία της ιστοσελίδας η οποία βασίζεται στο framework bulma για την
οργάνωση του frontend, το framework flask της Python για το backend και τη γλώσσα
προγραμματισμού Javascript για τον χειρισμό των αποθηκευμένων δεδομένων και την ανάδραση
χρήστη ιστοσελίδας. Τα ιστορικά συναισθήματα των ειδήσεων γίνονται διαθέσιμα προς όλους
τους ενδιαφερόμενους μέσα από μια διαδικτυακή εφαρμογή όπου παρουσιάζονται με τη βοήθεια
των Google Charts.
Τέλος καταγράφουμε τα συμπεράσματά μας και προτείνουμε πιθανές μελλοντικές
βελτιώσεις και προσθήκες που μπορούν να γίνουν στο μοντέλο πρόβλεψης. |
|---|