Μεταπτυχιακές Διατριβές GRI-2016-16494

Τίτλος:Τεχνική συναισθηματικής ανάλυσης για παροχή συστάσεων τοποθεσίας σε χρήστες Έξυπνων Πόλεων
Sentiment analysis on smart city location recommender systems
Συγγραφείς:Ζλάτη Πολυξένη Ιωάννη
Σχολή/Τμήμα: Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Πληροφορικής
Γλώσσα:Ελληνικά
Ημ/νία έκδοσης:2016
Περίληψη:Πληθώρα χρήσιμων εφαρμογών που έχουν υλοποιηθεί στα πλαίσια Έξυπνων Πόλεων βασίζονται στα δεδομένα που παράγονται καθημερινά από αισθητήρες. Με την αυξημένη, μάλιστα, χρήση έξυπνων κινητών κι άλλων φορητών συσκευών έχει αναδυθεί ένας καινούριος τρόπος ανίχνευσης δεδομένων μέσα σε μία πόλη, η λεγόμενη Συμμετοχική Ανίχνευση, κατά την οποία ο ίδιος ο άνθρωπος λειτουργεί ως αισθητήρας, παρέχοντας εθελοντικά πληροφορία που αιχμαλωτίζει απόλυτα την καθημερινότητα τους. Σε αυτήν τη Συμμετοχή Ανίχνευση, τα Κοινωνικά Δίκτυα αποτελούν σημαντική πηγή πληροφορίων καθώς προάγουν την συμμετοχή των χρηστών στην δημιουργία περιεχομένου σε προσωπικό επίπεδο και παρέχουν πληθώρα χρήσιμων δεδομένων. Σκοπός, λοιπόν, της παρούσας διπλωματικής εργασίας ήταν η μελέτη του τρόπου με τον οποίο μπορεί να αξιοποιηθεί η πλούσια πληροφορία των Κοινωνικών Δικτύων, ώστε να δημιουργηθεί μια εφαρμογή, η οποία θα μπορεί να χρησιμοποιηθεί στα πλαίσια μιας Έξυπνης Πόλης για να διευκολύνει σημαντικά την καθημερινότητα των κατοίκων της. Συγκεκριμένα, έγινε ανάλυση του γεωγραφικά επισημασμένου περιεχομένου του Foursquare, προκειμένου να εξαχθούν οι προτιμήσεις και οι απόψεις των χρηστών, σύμφωνα με τις οποίες πραγματοποιήθηκαν έπειτα προτάσεις τοποθεσιών μέσω ενός ολοκληρωμένου Συστήματος Συστάσεων. Οι απόψεις των χρηστών εξήχθησαν, αξιοποιώντας το ίδιο το παραγόμενο κείμενο των χρηστών που υφίσταται στο συγκεκριμένο Δίκτυο ως σχόλια και σχετίζονται με σημεία ενδιαφέροντος. Αξίζει να σημειωθεί ότι στην πρόσφατη βιβλιογραφία τα σχόλια των χρηστών Κοινωνικών Δικτύων σπάνια αξιοποιούνται. Αντιθέτως πολλά υπάρχοντα συστήματα συστάσεων χρησιμοποιούν μόνο την πληροφορία του check-in, αφού στηρίζονται στην παραδοχή ότι αν κάποιος χρήστης έχει δηλώσει την παρουσία του σε μία τοποθεσία, έχει αυτόματα και θετικές εντυπώσεις γι’ αυτήν ή μελετούν την περιοδικότητα που παρουσιάζει ένας χρήστης για κάποια τοποθεσία, θεωρώντας ότι αντανακλά τον βαθμό προτίμησής του στο συγκεκριμένο σημείο ενδιαφέροντος. Ωστόσο, η προτεινόμενη μεθοδολογία λαμβάνει υπόψη τα ίδια τα σχόλια των χρηστών εφαρμόζοντας Συναισθηματική Ανάλυση κειμένου καθώς θεωρείται ότι αντικατοπτρίζουν καλύτερα τις προτιμήσεις χρηστών σε τοποθεσίες και τις απόψεις τους, βελτιώνοντας παράλληλα την απόδοση ενός συστήματος συστάσεων. Είναι πρόδηλο ότι η γλώσσα που χρησιμοποιείται, συνήθως, από τους περισσότερους χρήστες των Κοινωνικών Δικτύων κάνει ακόμα πιο δύσκολη την ανάλυση κειμένου, δημιουργώντας νέες προκλήσεις. Επομένως, επιμέρους στόχος της εργασίας αυτής ήταν η εφαρμογή τεχνικών Ανάλυσης Συναισθήματος σε δεδομένα Κοινωνικών Δικτύων αλλά και η εκμετάλλευση των αποτελεσμάτων της για την βελτίωση των παρεχόμενων υπηρεσιών ενός συστήματος συστάσεων τοποθεσιών. Αυτό θεωρήθηκε κι ως κύρια συνεισφορά της παρούσας εργασίας.

Plenty of helpful applications have been implemented in the context of Smart Cities. These applications are based on exploiting data, generated in daily basis by different kinds of sensors. With the ubiquitous availability of computing technology such as smartphones, tables and other easily portable devices, a new method of data collection has emerged, called Participatory Sensing, in which individual people operate as sensors voluntarily providing contextual information that capture their daily life experiences. Social Networks have played a significant role in this massively participatory sensing process and become a valuable source of information, as they promote user generated content and provide a wealth of useful data, ready to be leveraged for extraction of useful insights. Hence, the aim of this MSc dissertation was to study how the variety of social networks’ information can be exploited so as to develop an application within a specific geographic city region, in order to uncover urban social behavior and be used to enhance decision making processes, facilitating the residents’ lives of this city. Specifically in this dissertation, an analysis of geo-located user generated content from Foursquare has been implemented to propose points of interests through an integrated Recommender System with consideration of both users’ preferences and social opinions from some users who can be considered as local experts. It is worth noticing that in current research work user’s tips on venues are seldom investigated and only the user’s check-ins are leveraged by plenty existing recommendation systems. In other words, most POI recommender systems only employ the check-in data to learn preferences on locations by assuming a user’s check-in frequency to a POI explicitly reflects the level of her preference on the specific POI. On the contrary, our system mines the social opinions taking advantage the experts’ tips, because we argue that this user generated text reflects preferences about venues and opinions in a more efficient way and can be deployed in improving location recommendations. In order to do so, text-based sentiment analysis techniques are used to discover experts’ sentiment in tips and then convert it as a preference measure. However such a task is not trivial, because the language used in Social media is often informal, presenting new challenges to text analysis. Mining opinions and sentiments from natural language is challenging, because it requires a deep understanding of language rules. In addition to that, there are many natural language processing’s (NLP) problems that must be considered such as coreference resolution, negation handling, anaphora resolution and word-sense disambiguation. In consequence, the employment of Sentiment Analysis techniques in data retrieved by social networks, in order to improve services of a location recommender system can be considered as an individual objective of this work. This is, also, regarded as the main contribution of this research.
Επιβλέπων:Βακάλη, Αθηνά καθ.
Λέξεις Κλειδιά:Sentiment Analysis, Ανάλυση Συναισθήματος, Σύστημα Συστάσεων, Social Networks, Κοινωνικά Δίκτυα, Recommendation System
Σχετικά αρχεία:Πλήρες κείμενο: PDF Αρχείο με άδεια χρήσης Δείτε την σχετική άδεια κάνοντας κλικ εδώ!


 Δημιουργία εγγραφής 2016-04-28, τελευταία τροποποίηση 2016-05-04


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