Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing

Στις μέρες μας το διαδίκτυο αναπτύσσεται με ιλιγγιώδεις ρυθμούς, αποτελώντας αναπόσπαστο κομμάτι της καθημερινότητας δισεκατομμυρίων ανθρώπων παγκοσμίως. Αντικείμενο της παρούσας διπλωματικής αποτελεί η αξιοποίηση του περιεχομένου που παράγεται από τους χρήστες του διαδικτύου (User Generated Content...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Χαρίσης, Θωμάς
Άλλοι συγγραφείς:	Charisis, Thomas
Γλώσσα:	Greek
Έκδοση:	2021
Θέματα:	Κοινωνικά δίκτυα Αναγνώριση συναισθήματος Επιχειρηματική ευφυΐα Εξόρυξη δεδομένων Εξόρυξη γνώσης Μηχανική μάθηση Δεδομένα μεγάλης κλίμακας Επεξεργασία φυσικής γλώσσας Ανάλυση δεδομένων Μεταφορά γνώσης Social media networks Sentiment analysis Business intelligence Data mining Knowledge extraction Social media marketing Machine learning Big data analytics BERT Natural language processing Transfer learning Data analysis
Διαθέσιμο Online:	http://hdl.handle.net/10889/15658

id	nemertes-10889-15658
record_format	dspace
spelling	nemertes-10889-156582022-09-05T09:41:34Z Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing Large-scale commercial data analysis with marketing applications Χαρίσης, Θωμάς Charisis, Thomas Κοινωνικά δίκτυα Αναγνώριση συναισθήματος Επιχειρηματική ευφυΐα Εξόρυξη δεδομένων Εξόρυξη γνώσης Μηχανική μάθηση Δεδομένα μεγάλης κλίμακας Επεξεργασία φυσικής γλώσσας Ανάλυση δεδομένων Μεταφορά γνώσης Social media networks Sentiment analysis Business intelligence Data mining Knowledge extraction Social media marketing Machine learning Big data analytics BERT Natural language processing Transfer learning Data analysis Στις μέρες μας το διαδίκτυο αναπτύσσεται με ιλιγγιώδεις ρυθμούς, αποτελώντας αναπόσπαστο κομμάτι της καθημερινότητας δισεκατομμυρίων ανθρώπων παγκοσμίως. Αντικείμενο της παρούσας διπλωματικής αποτελεί η αξιοποίηση του περιεχομένου που παράγεται από τους χρήστες του διαδικτύου (User Generated Content – UGC) με τη μορφή κειμένων αναρτήσεων, αξιολογήσεων και απόψεων, στις ενέργειες marketing επιχειρήσεων και οργανισμών. Εστιάζουμε στην εξαγωγή του συναισθήματος από κείμενα ως μεθόδου σφυγμομέτρησης της κοινής γνώμης για θέματα που αφορούν σε εμπορικά σήματα, προϊόντα, ονόματα εταιρειών, και την αξιοποίηση της πληροφορίας αυτής στην αξιολόγηση των ενεργειών marketing και γενικότερα τη διαμόρφωση της στρατηγικής marketing. Πιο συγκεκριμένα, χρησιμοποιούμε την μεταφορά μάθησης μέσω του state-of-the-art προ-εκπαιδευμένου γλωσσικού μοντέλου Greek BERT, το οποίο κάνουμε fine tune με training datasets δεδομένων από το Ελληνικό διαδίκτυο, και αφορούν τόσο σε γενικά όσο και σε εμπορικού ενδιαφέροντος δημοσιευμένες αναφορές τις οποίες συλλέξαμε με την εταιρεία Palo για τις ανάγκες της εργασίας μας. Τέλος, παρουσιάζουμε τα αποτελέσματα του μοντέλου αυτού για το πρόβλημα της ταξινόμησης κειμένων βάσει των τριών συναισθημάτων: θετικό, αρνητικό και ουδέτερο, καταλήγοντας στο συμπέρασμα ότι η προτεινόμενη μέθοδος επιτυγχάνει ικανοποιητικά αποτελέσματα ως προς την ακρίβεια και το F1-score. Nowadays, we are experiencing the booming expansion of the internet into the day-to-day lives of billions of people worldwide. This study is focusing on the exploitation of the User Generated Content - UGC generated by internet users in the format of text posts, ratings and opinions for the marketing activities of businesses and organisations. More specifically, we are focusing on the sentiment extraction from text as a tool for understanding the public opinion about brand names, products and matters and leveraging it in order to adjust the marketing strategy. In order to achieve sentiment extraction, we are using the transfer learning technique through the Greek BERT, a state-of-the-art, pre-trained linguistic model, which we are fine-tuning with training datasets consisting of data collected from the Greek internet. The training data have been collected with the contribution of Palo from Greek websites, forums, blogs and social media. We are using our linguistic model for the task of classification of web & social media content into three classes, based on the predominant sentiment: positive, negative, neutral. The outcome of our tests are evaluated as satisfactory based on the metrics of accuracy and F1-score. 2021-12-03T06:35:40Z 2021-12-03T06:35:40Z 2021-11-26 http://hdl.handle.net/10889/15658 gr application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Κοινωνικά δίκτυα Αναγνώριση συναισθήματος Επιχειρηματική ευφυΐα Εξόρυξη δεδομένων Εξόρυξη γνώσης Μηχανική μάθηση Δεδομένα μεγάλης κλίμακας Επεξεργασία φυσικής γλώσσας Ανάλυση δεδομένων Μεταφορά γνώσης Social media networks Sentiment analysis Business intelligence Data mining Knowledge extraction Social media marketing Machine learning Big data analytics BERT Natural language processing Transfer learning Data analysis
spellingShingle	Κοινωνικά δίκτυα Αναγνώριση συναισθήματος Επιχειρηματική ευφυΐα Εξόρυξη δεδομένων Εξόρυξη γνώσης Μηχανική μάθηση Δεδομένα μεγάλης κλίμακας Επεξεργασία φυσικής γλώσσας Ανάλυση δεδομένων Μεταφορά γνώσης Social media networks Sentiment analysis Business intelligence Data mining Knowledge extraction Social media marketing Machine learning Big data analytics BERT Natural language processing Transfer learning Data analysis Χαρίσης, Θωμάς Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
description	Στις μέρες μας το διαδίκτυο αναπτύσσεται με ιλιγγιώδεις ρυθμούς, αποτελώντας αναπόσπαστο κομμάτι της καθημερινότητας δισεκατομμυρίων ανθρώπων παγκοσμίως. Αντικείμενο της παρούσας διπλωματικής αποτελεί η αξιοποίηση του περιεχομένου που παράγεται από τους χρήστες του διαδικτύου (User Generated Content – UGC) με τη μορφή κειμένων αναρτήσεων, αξιολογήσεων και απόψεων, στις ενέργειες marketing επιχειρήσεων και οργανισμών. Εστιάζουμε στην εξαγωγή του συναισθήματος από κείμενα ως μεθόδου σφυγμομέτρησης της κοινής γνώμης για θέματα που αφορούν σε εμπορικά σήματα, προϊόντα, ονόματα εταιρειών, και την αξιοποίηση της πληροφορίας αυτής στην αξιολόγηση των ενεργειών marketing και γενικότερα τη διαμόρφωση της στρατηγικής marketing. Πιο συγκεκριμένα, χρησιμοποιούμε την μεταφορά μάθησης μέσω του state-of-the-art προ-εκπαιδευμένου γλωσσικού μοντέλου Greek BERT, το οποίο κάνουμε fine tune με training datasets δεδομένων από το Ελληνικό διαδίκτυο, και αφορούν τόσο σε γενικά όσο και σε εμπορικού ενδιαφέροντος δημοσιευμένες αναφορές τις οποίες συλλέξαμε με την εταιρεία Palo για τις ανάγκες της εργασίας μας. Τέλος, παρουσιάζουμε τα αποτελέσματα του μοντέλου αυτού για το πρόβλημα της ταξινόμησης κειμένων βάσει των τριών συναισθημάτων: θετικό, αρνητικό και ουδέτερο, καταλήγοντας στο συμπέρασμα ότι η προτεινόμενη μέθοδος επιτυγχάνει ικανοποιητικά αποτελέσματα ως προς την ακρίβεια και το F1-score.
author2	Charisis, Thomas
author_facet	Charisis, Thomas Χαρίσης, Θωμάς
author	Χαρίσης, Θωμάς
author_sort	Χαρίσης, Θωμάς
title	Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
title_short	Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
title_full	Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
title_fullStr	Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
title_full_unstemmed	Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
title_sort	ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing
publishDate	2021
url	http://hdl.handle.net/10889/15658
work_keys_str_mv	AT charisēsthōmas analysēemporikōndedomenōnmegalēsklimakasmeepharmogesstomarketing AT charisēsthōmas largescalecommercialdataanalysiswithmarketingapplications
_version_	1771297194241949696

Ανάλυση εμπορικών δεδομένων μεγάλης κλίμακας με εφαρμογές στο marketing

Παρόμοια τεκμήρια