Αναγνώριση συναισθηματικής κατάστασης στα κοινωνικά δίκτυα
Η τρέχουσα διπλωματική εργασία έχει ως κύριο θέμα τη αναγνώριση συναισθημάτων και κοινωνικά δίκτυα και αναλύεται με τις μοντέρνες τεχνολογίες της τεχνητής νοημοσύνης, της μηχανικής μάθησης αλλά και την επεξεργασία φυσικής γλώσσας. Πιο συγκεκριμένα η κύρια προσέγγιση αφορούσε τον διαγωνισμό Sem Eval...
Αποθηκεύτηκε σε:
| Κύριοι συγγραφείς: | , |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/21184 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Η τρέχουσα διπλωματική εργασία έχει ως κύριο θέμα τη αναγνώριση συναισθημάτων και κοινωνικά δίκτυα και αναλύεται με τις μοντέρνες τεχνολογίες της τεχνητής νοημοσύνης, της μηχανικής μάθησης αλλά και την επεξεργασία φυσικής γλώσσας. Πιο συγκεκριμένα η κύρια προσέγγιση αφορούσε τον διαγωνισμό Sem Eval 2018 με ονομασία Affect in Tweets όπου χρησιμοποιήθηκε το σύνολο δεδομένων πληθώρας συναισθημάτων του διαγωνισμού. Η κύρια αρχιτεκτονική υλοποιήθηκε με τους παραδοσιακούς αλγορίθμους μηχανικής μάθησης και με τις τεχνικές της επεξεργασίας της φυσικής γλώσσας. Στη συνέχεια υπήρξαν εκτενή πειράματα με τις τεχνικές που προαναφέρθηκαν και πλήθος συνδυαστικής αρχιτεκτονικών. Τα αποτελέσματα τα οποία προήλθαν από τα πειράματα παρήγαγαν αποτελέσματα από τα οποία εξάγαμε χρήσιμα συμπεράσματα. Οι αλγόριθμοι μηχανικής μάθησης που χρησιμοποιήθηκαν προέρχονται από την βιβλιοθήκη της scikit learn.Τα συναισθήματα τα οποία αναλύθηκαν και μελετήθηκαν είναι η χαρά, η λύπη, ο θυμός. Τα παραπάνω προβλήματα των συναισθημάτων αφορούσαν ζητήματα κατηγοριοποίησης, παλινδρόμησης αλλά και συνδυασμός των δύο. Οι περισσότεροι αλγόριθμοι που χρησιμοποιήθηκαν προαπαιτούσαν τα σύνολα δεδομένων να βρίσκονται προσεγγιστικά σε κανονική κατανομή. Ακόμη τέθηκαν ζητήματα ως προς την επιλογή των κατάλληλων αλγορίθμων για την προεπεξεργασία των συνόλων δεδομένων το οποίο αποτέλεσε το πρώτο στάδιο της μελέτης από τα τρία. Σαφώς τα σύνολα δεδομένων προσαρμόστηκαν στις ανάγκες των προβλημάτων που μελετήθηκαν. Η μηχανική μάθηση κάνει αλματώδη βήματα στο τομέα της τεχνολογίας λόγω ότι πρόκειται για μοντέρνες τεχνολογίες με πολλά περιθώρια προόδου στο βραχυπρόθεσμο μέλλον. Το επόμενο στάδιο και ανάλυση που υπάρχει ως πλάνο είναι η εκτέλεση πειραμάτων με άλλη κατηγορία αλγορίθμων μηχανικής μάθησης όπως τα νευρωνικά δίκτυα. |
|---|