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...
Saved in:
| Main Authors: | , |
|---|---|
| Other Authors: | |
| Language: | el_GR |
| Published: |
2020
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/11610/21184 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1828460707865165824 |
|---|---|
| author | Σταυριανός, Κωνσταντίνος Αδάμ, Ιωάννης |
| author2 | Σταματάτος, Ευστάθιος |
| author_sort | Σταυριανός, Κωνσταντίνος |
| collection | DSpace |
| description | 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. |
| id | oai:hellanicus.lib.aegean.gr:11610-21184 |
| institution | Hellanicus |
| language | el_GR |
| publishDate | 2020 |
| record_format | dspace |
| title | Αναγνώριση συναισθηματικής κατάστασης στα κοινωνικά δίκτυα |
| topic | artificial intelligence natural language processing machine learning μηχανική μάθηση τεχνητή νοημοσύνη επεξεργασία φυσικής γλώσσας ανάλυση συναισθηματικής κατάστασης επιβλεπόμενη μάθηση εξόρυξη κειμένων affect detection supervised learning text mining Artificial intelligence Natural language processing (Computer science) Machine learning Emotions Social networks |
| url | http://hdl.handle.net/11610/21184 |
| work_keys_str_mv | AT staurianoskōnstantinos anagnōrisēsynaisthēmatikēskatastasēsstakoinōnikadiktya AT adamiōannēs anagnōrisēsynaisthēmatikēskatastasēsstakoinōnikadiktya |