Μεταπτυχιακές Διατριβές GRI-2013-10699

Τίτλος:Emotional event detection from evolving microblogging data
Συναισθηματική ανίχνευση γεγονότων σε εξελισσόμενα δεδομένα κοινωνικού ιστού
Συγγραφείς:Παπουτσόγλου Μαρία Χαράλαμπου
Σχολή/Τμήμα: Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Πληροφορικής
Γλώσσα:Ελληνικά
Ημ/νία έκδοσης:2013
Περίληψη:Η αλματώδης εξέλιξη του Web 2.0 την τελευταία δεκαετία έχει αλλάξει δραματικά τoν τρόπο επικοινωνίας των ανθρώπων μέσα από την χρήση υπηρεσιών και εφαρμογών. Τα μέσα κοινωνικής δικτύωσης έχουν αναδειχθεί ως μια νέα πηγή πληροφόρησης και ένα δημοφιλές μέσο για την επικοινωνία των χρηστών. Στις μέρες μας υπάρχει ένας μεγάλος αριθμός ανθρώπων που δεσμεύει ένα υψηλό ποσοστό του χρόνου του για να αλληλεπιδρά με τους γύρω του μέσω της χρήσης των κοινωνικών δικτύων, εκφράζοντας τις απόψεις και τις σκέψεις τους για μια πληθώρα γεγονότων. Διαμέσου αυτού του τρόπου επικοινωνίας οι χρήστες συμβάλλουν στην αναμετάδοση πολύτιμης πληροφορίας σε σχέση με γεγονότα που συμβαίνουν σε πραγματικό χρόνο. Η παρούσα εργασία ασχολείται με τα ερευνητικά προβλήματα της ανάλυσης συναισθήματος από περιεχόμενο που δημιουργείται από τους χρήστες για την ανίχνευση γεγονότων. Πιο συγκεκριμένα περιγράφουμε ένα πλαίσιο για την ανίχνευση γεγονότων το οποίο εφαρμόζει ποσοτική και ποιοτική ανάλυση σε περιεχόμενο από microblogs για να αναδείξουμε την καλύτερη προσέγγιση για την ακριβέστερη ανίχνευση πραγματικών γεγονότων. Η ποιοτική ανάλυση βασίζεται στην ανάλυση συναισθήματος (sentiment) και affective ανάλυση των δημοσιεύσεων των χρηστών. Στόχος της ανάλυσης συναισθήματος είναι η εξαγωγή των απόψεων που εκφράζονται στις δημοσιεύσεις των χρηστών (θετικές ή αρνητικές), ενώ η affective ανάλυση είναι πιο εκλεπτυσμένη, δεδομένου ότι βασίζεται στην ανάλυση των συναισθημάτων που εκφράζουν οι χρήστες. Από την άλλη πλευρά η ποσοτική ανάλυση βασίζεται στον όγκο του κειμένου. Κάθε γεγονός συμβαίνει σε μια συγκεκριμένη στιγμή στον χρόνο και έχει μια εξέλιξη. Η δομή ενός γεγονότος περιέχει ένα σημείο εκκίνησης, την διάρκεια της εξέλιξής του και ένα τελικό σημείο. Στο προτεινόμενο πλαίσιο ο αλγόριθμος που χρησιμοποιείται για την ανίχνευση γεγονότων επιστέφει το σημείο έναρξης και το σημείο λήξης ενός πιθανού γεγονότος. Αρχικά εξετάζουμε υπάρχουσες προσπάθειες στους ερευνητικούς τομείς της ανάλυσης συναισθήματος και affective ανάλυσης. Έπειτα παρέχουμε το βασικό θεωρητικό υπόβαθρο για την ανίχνευση γεγονότων βασισμένο στο περιεχόμενο που δημιουργείται από τους χρήστες κοινωνικών δικτύων. Τέλος προτείνουμε μια μεθοδολογία για την ανίχνευση γεγονότων και την επικαιροποιούμε πειραματικά μέσα από μία πραγματική μελέτη περίπτωσης.

The sharp rise of Web 2.0 in the last decade has changed dramatically the way of people communicate through the explosion of the usage of services and applications. Social media have emerged as new sources of information and popular means for rapid users' communication. Nowadays, there are numerous people who dedicate a large part of their time to interact with others via social media, expressing their opinions and thoughts on various events. Through this way of communication users contribute to the broadcasting of valuable information in relation to events that happen in real time. This thesis deals with the research problems of sentiment analysis of user generated content towards event detection. We describe a framework for event detection which applies quantitative and qualitative analysis of microblogging content to determine the best analysis approach to accurately detect real world events. The qualitative analysis is based on the sentiment and affective analysis of the posts. Sentiment analysis aims to extract the opinions expressed in users’ posts (positive versus negative), whereas affective analysis is more refined, since it derives the users' expressed emotions. On the other hand, the quantitative analysis is based on the volume of the text. Every event happens in a specific moment in time and has an evolution. The structure of an event contains a start point, the duration of its evolution and an end point. The algorithm we use in our proposed framework returns the start and the event point for a possible event. Here, we primarily review existing state-of-the-art efforts in the research fields of sentiment and affective analysis, and then we provide the basic theoretic background with respect to event detection based on user generated content. Finally, we propose a methodology for event detection and evaluate it experimentally based on its performance on a real-world use case.
Επιβλέπων:Βακάλη, Αθηνά αν. καθ.
Λέξεις Κλειδιά:Sentiment Analysis, Ανίχνευση γεγονότος, Ανάλυση συναισθήματος, Event detection, Affective Analysis
Σχετικά αρχεία:Πλήρες κείμενο: PDF Αρχείο με άδεια χρήσης Δείτε την σχετική άδεια κάνοντας κλικ εδώ!


 Δημιουργία εγγραφής 2013-05-14, τελευταία τροποποίηση 2016-03-02


Πλήρες κείμενο:
Κατέβασμα πλήρους κειμένου
PDF Αρχείο
με άδεια:Δείτε την σχετική άδεια κάνοντας κλικ εδώ!