Μεταπτυχιακές Διατριβές GRI-2016-16551

Τίτλος:Μια Προσέγγιση για την Ανάλυση Συναισθήματος στον Εντοπισμό Γεγονότων
An Approach on Sentiment Analysis for Event Detection
Συγγραφείς:Παρασκευάς Ελευθέριος Ιωσήφ
Σχολή/Τμήμα: Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Πληροφορικής
Γλώσσα:Ελληνικά
Ημ/νία έκδοσης:2016
Περίληψη:Τα δεδομένα απ’ τα Κοινωνικά Δίκτυα γνωρίζουν τεράστια άνθιση την τελευταία δεκαετία και, πέραν από την ευκολία που παρέχουν τα εργαλεία απ’ τα οποία παράγονται (ευκολία διακίνησης πληροφορίας, πληροφορίες παγκόσμιας κλίμακας, πιο έγκαιρη και εγκυρότερη ενημέρωση κλπ.), στα δεδομένα αυτά εμπεριέχεται πληροφορία που δεν είναι εξ’ αρχής φανερή, πέρα απ’ τη ρητά δηλωμένη που δημιουργείται και αποθηκεύεται κατά τη στιγμή της δημοσίευσής τους (όπως η τοποθεσία και το όνομα χρήστη). Το κρυφό τμήμα της πληροφορίας, έχει ένα σημαντικά μεγάλο εύρος και πολλές φορές μπορεί να χρησιμοποιηθεί για μια πληθώρα εφαρμογών: απλές θεματολογικές αναλύσεις, αποσαφηνίσεις της πρόθεσης του γράφοντος και το μοτίβο πρόσβασης και χρήσης ηλεκτρονικών υπηρεσιών ενός χρήστη, είναι μερικές απ’ τις πολλές κατευθύνσεις έρευνας και ανάπτυξης εφαρμογών και λογισμικού. Μέσα σ’ αυτές, ξεχωρίζουν ως δύο απ’ τους σημαντικότερους τομείς, η ανακάλυψη των νοηματικών γεγονότων στα οποία αναφέρεται μία διαδικτυακή συζήτηση που ονομάζεται Ανακάλυψη Γεγονότων και η αποσαφήνιση της συναισθηματικής πρόθεσης του δημιουργού της συζήτησης αυτής, που ονομάζεται Συναισθηματική Ανάλυση. Η διπλωματική αυτή εργασία επικεντρώνεται σ’ αυτούς τους δύο τομείς, αρχικά αναλύοντας τον κάθε έναν μεμονωμένα και εν συνεχεία επιχειρώντας τον συνδυασμό τους στο επίπεδο μιας ποιοτικής ανάλυσης, που σκοπό έχει την ανακάλυψη εάν και εφόσον ο τομέας της Συναισθηματικής Ανάλυσης συνδυαστεί με αυτόν της Ανακάλυψης Γεγονότων, προκύπτουν καλύτερα και ακριβέστερα αποτελέσματα. Για το σκοπό αυτό, έγινε αρχικά με επισκόπηση στη βιβλιογραφία, με παρουσίαση και περιγραφή των πιο αντιπροσωπευτικών μεθόδων και προσεγγίσεων των προηγούμενων δύο περιοχών. Μία τεχνική από κάθε τομέα υλοποιήθηκε σε μορφή κώδικα, που με τη σειρά τους χρησιμοποιήθηκαν, οι μεν της Ανακάλυψης Γεγονότων για τον εντοπισμό γεγονότων επάνω σε ένα σύνολο δεδομένων και οι δε της Συναισθηματικής Ανάλυσης για την πρόβλεψη της συναισθηματικής κλίσης των γεγονότων που εξήχθησαν. Τα αποτελέσματα αυτά χρησιμοποιήθηκαν στο τέλος, σε μια ποιοτική ανάλυση που επιχειρεί να αποσαφηνίσει κατά πόσον το συναίσθημα μπορεί να προσθέσει επιπλέον ακρίβεια στα αποτελέσματα μια τεχνικής εντοπισμού γεγονότων.

Data from Social Networks were greatly increased in the last few years and are usually leveraged in many ways. The tools that accompany them are providing ease of access. Data is pushed in more aggressive and rapid ways and the information might be considered “global”, hence someone is able to stay up-to-date timely, while the information can be fast cross-referenced and guaranteed to be “legitimate”. Furthermore, apart from the explicitly stated information which is generated and stored at the time of creation (like the location of the user or her username), this particular type of data encloses a valuable amount of information which is not obvious ab initio. This hidden core part of the information, has a significantly wide range and in many cases can be employed in a plethora of applications. Things like simple or extensive analysis of the concept of a conversation, the clarification of a poster’s intentions or the web access pattern of a user, are very few of many directions and approaches in research, and application and software development. Here, are defined two of the most significant sections of research, applied on the above core part of the information; namely the Event Detection and Sentiment Analysis. The first one, is the discovery of the conceptual topics on which a web conversation is refer-ring to. These topics are in most cases parts or entire events that are happening in a specific place at a specific time. The U.S. Elections, the terrorist attacks in Paris or the economic riots in Athens, are indicative examples of an event list. The second one, is the attempt to clarify the intentions of a writer in the sentiment spectrum. In this case, there are two notable categories: Opinion Mining, in which a researcher tries to determine if the concept of a segment of text is either positive or negative and Affective Analysis, in which the concept of the segment is analyzed and assigned to a unique emotion of a pre-defined set of fundamental sentiments (like love, hatred, joy etc.). This thesis is centered on these two sections, initially by analyzing each one alone and consequently by attempting to combine them in the scope of a quality study, which will try to identify whether the use of the information of Sentiment Analysis on an Event Detection technique, produces better and more precise results, instead of using these two sections separately. For this purpose, a detailed review on related work was contacted on the first place, with thorough study on the subsections of each of the main two sections, while an epigrammatic presentation of the most significant methods of each one of them, was contacted later on. One method of each section was implemented in code; They were used for detecting events on a predefined dataset and for clarifying the sentiment polarity of the extracted events, respectively. Finally, the results of them were utilized in a quality study that tries to deduce whether or not sentiment can increase and benefit the precision of the results of a give Event Detection technique.
Επιβλέπων:Βακάλη, Αθηνά καθ.
Λέξεις Κλειδιά:Ανακάλυψη Γεγονότων, Deep Learning, Event Detection, Sentiment Analysis, Συναισθηματική Ανάλυση, Βαθιά Μάθηση
Σχετικά αρχεία:Πλήρες κείμενο: PDF Αρχείο με άδεια χρήσης Δείτε την σχετική άδεια κάνοντας κλικ εδώ!


 Δημιουργία εγγραφής 2016-05-18, τελευταία τροποποίηση 2016-05-19


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