Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου
Η αναγνώριση συναισθηματικού περιεχομένου της Φυσικής Γλώσσας μπορεί να βελτιώσει κατά πολύ την επικοινωνία ανθρώπου και υπολογιστή με ένα υπολογιστικό σύστημα δίνοντας του την δυνατότητα να αναγνωρίσει και να μιμηθεί συναισθηματικές εκφράσεις. Ο τομέας της αναγνώρισης συναισθήματος κατέχει σημαντικ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/16434 |
| id |
nemertes-10889-16434 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Μηχανική μάθηση Βαθιά μάθηση Νευρωνικά δίκτυα Αναγνώριση συναισθήματος Κοινωνικά δίκτυα Machine learning Deep learning Neural networks Emotion recognition Social networks |
| spellingShingle |
Μηχανική μάθηση Βαθιά μάθηση Νευρωνικά δίκτυα Αναγνώριση συναισθήματος Κοινωνικά δίκτυα Machine learning Deep learning Neural networks Emotion recognition Social networks Δούκα, Ελισάβετ-Άννα Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου |
| description |
Η αναγνώριση συναισθηματικού περιεχομένου της Φυσικής Γλώσσας μπορεί να βελτιώσει κατά πολύ την επικοινωνία ανθρώπου και υπολογιστή με ένα υπολογιστικό σύστημα δίνοντας του την δυνατότητα να αναγνωρίσει και να μιμηθεί συναισθηματικές εκφράσεις. Ο τομέας της αναγνώρισης συναισθήματος κατέχει σημαντική θέση στις εφαρμογές της τεχνητής νοημοσύνης. Η ραγδαία ανάπτυξη των μέσων κοινωνικής δικτύωσης και η δυνατότητα των χρηστών μέσω αυτών να εκφράζουν ελεύθερα την γνώμη τους πάνω σε όλα τα θέματα της επικαιρότητας, αύξησε την ανάγκη για τη μελέτη και την καταγραφή της χρήσης τους. Έτσι, στα πλαίσια της παρούσας διπλωματικής εργασίας θα αναπτυχθεί μηχανισμός αναγνώρισης της συναισθηματικής πληροφορίας που μεταφέρεται σε προτάσεις Φυσικής Γλώσσας. Στο αρχικό στάδιο της έρευνας, γίνεται αναφορά σε πολλές state of the art τεχνικές που υπάρχουν ήδη στον συγκεκριμένο τομέα. Ύστερα, γίνεται η κατάλληλη προ-επεξεργασία και μετατροπή των δεδομένων, με γνωστές τεχνικές, για την εξαγωγή των κατάλληλων πληροφοριών και λέξεων-κλειδιών που φέρουν συναισθηματική πληροφορία. Ο κύριος στόχος της παρούσας εργασίας είναι η υλοποίηση του προ-εκπαιδευμένου μετασχηματιστή BERT, καθώς και η μελέτη της απόδοσης του, όσον αφορά τον προσδιορισμό και την ανίχνευση συναισθημάτων στα σχόλια χρηστών στα κοινωνικά δίκτυα. Αναλύεται το γενικό πλαίσιο του BERT, περιγράφεται αναλυτικά η διαδικασία υλοποίησης του και οι ειδικές μετατροπές που χρειάστηκαν να γίνουν για την λύση του συγκεκριμένου προβλήματος. Στη συνέχεια, υλοποιήθηκαν και δοκιμάστηκαν τόσο κλασικοί αλγόριθμοι ταξινόμησης όσο και διάφορες αρχιτεκτονικές νευρωνικών δικτύων, για να μελετηθεί η απόδοση του BERT σε σχέση με τα άλλα μοντέλα. Έπειτα, διεξάχθηκαν πειράματα με την χρήση των μοντέλων αυτών σε ένα αξιοσημείωτο πλήθος συνόλων δεδομένων. Στο τέλος της έρευνας αξιολογήθηκαν όλες οι προσεγγίσεις, συγκρίθηκαν τα αποτελέσματα τους και έγιναν οι ανάλογες παρατηρήσεις. Τελικός στόχος είναι η μελέτη της απόδοσης και της συμπεριφοράς του μοντέλου BERT, συγκρινόμενο με τα υπόλοιπα μοντέλα. Τα αποτελέσματα της έρευνας έδειξαν ότι παρόλο που το BERT μπορεί να πετύχει καλύτερη απόδοση από τους κλασικούς αλγορίθμους και αρκετά νευρωνικά δίκτυα, έχει επιπλέον περιθώρια βελτίωσης και μελέτης. |
| author2 |
Douka, Elisavet-Anna |
| author_facet |
Douka, Elisavet-Anna Δούκα, Ελισάβετ-Άννα |
| author |
Δούκα, Ελισάβετ-Άννα |
| author_sort |
Δούκα, Ελισάβετ-Άννα |
| title |
Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου |
| title_short |
Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου |
| title_full |
Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου |
| title_fullStr |
Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου |
| title_full_unstemmed |
Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου |
| title_sort |
ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου |
| publishDate |
2022 |
| url |
http://hdl.handle.net/10889/16434 |
| work_keys_str_mv |
AT doukaelisabetanna analysēkeimenousekoinōnikadiktyakaianagnōrisēsynaisthēmatikouperiechomenou AT doukaelisabetanna textanalysisonsocialnetworksandemotionalcontentrecognition |
| _version_ |
1771297194149675008 |
| spelling |
nemertes-10889-164342022-09-05T09:40:23Z Ανάλυση κειμένου σε κοινωνικά δίκτυα και αναγνώριση συναισθηματικού περιεχομένου Text analysis on social networks and emotional content recognition Δούκα, Ελισάβετ-Άννα Douka, Elisavet-Anna Μηχανική μάθηση Βαθιά μάθηση Νευρωνικά δίκτυα Αναγνώριση συναισθήματος Κοινωνικά δίκτυα Machine learning Deep learning Neural networks Emotion recognition Social networks Η αναγνώριση συναισθηματικού περιεχομένου της Φυσικής Γλώσσας μπορεί να βελτιώσει κατά πολύ την επικοινωνία ανθρώπου και υπολογιστή με ένα υπολογιστικό σύστημα δίνοντας του την δυνατότητα να αναγνωρίσει και να μιμηθεί συναισθηματικές εκφράσεις. Ο τομέας της αναγνώρισης συναισθήματος κατέχει σημαντική θέση στις εφαρμογές της τεχνητής νοημοσύνης. Η ραγδαία ανάπτυξη των μέσων κοινωνικής δικτύωσης και η δυνατότητα των χρηστών μέσω αυτών να εκφράζουν ελεύθερα την γνώμη τους πάνω σε όλα τα θέματα της επικαιρότητας, αύξησε την ανάγκη για τη μελέτη και την καταγραφή της χρήσης τους. Έτσι, στα πλαίσια της παρούσας διπλωματικής εργασίας θα αναπτυχθεί μηχανισμός αναγνώρισης της συναισθηματικής πληροφορίας που μεταφέρεται σε προτάσεις Φυσικής Γλώσσας. Στο αρχικό στάδιο της έρευνας, γίνεται αναφορά σε πολλές state of the art τεχνικές που υπάρχουν ήδη στον συγκεκριμένο τομέα. Ύστερα, γίνεται η κατάλληλη προ-επεξεργασία και μετατροπή των δεδομένων, με γνωστές τεχνικές, για την εξαγωγή των κατάλληλων πληροφοριών και λέξεων-κλειδιών που φέρουν συναισθηματική πληροφορία. Ο κύριος στόχος της παρούσας εργασίας είναι η υλοποίηση του προ-εκπαιδευμένου μετασχηματιστή BERT, καθώς και η μελέτη της απόδοσης του, όσον αφορά τον προσδιορισμό και την ανίχνευση συναισθημάτων στα σχόλια χρηστών στα κοινωνικά δίκτυα. Αναλύεται το γενικό πλαίσιο του BERT, περιγράφεται αναλυτικά η διαδικασία υλοποίησης του και οι ειδικές μετατροπές που χρειάστηκαν να γίνουν για την λύση του συγκεκριμένου προβλήματος. Στη συνέχεια, υλοποιήθηκαν και δοκιμάστηκαν τόσο κλασικοί αλγόριθμοι ταξινόμησης όσο και διάφορες αρχιτεκτονικές νευρωνικών δικτύων, για να μελετηθεί η απόδοση του BERT σε σχέση με τα άλλα μοντέλα. Έπειτα, διεξάχθηκαν πειράματα με την χρήση των μοντέλων αυτών σε ένα αξιοσημείωτο πλήθος συνόλων δεδομένων. Στο τέλος της έρευνας αξιολογήθηκαν όλες οι προσεγγίσεις, συγκρίθηκαν τα αποτελέσματα τους και έγιναν οι ανάλογες παρατηρήσεις. Τελικός στόχος είναι η μελέτη της απόδοσης και της συμπεριφοράς του μοντέλου BERT, συγκρινόμενο με τα υπόλοιπα μοντέλα. Τα αποτελέσματα της έρευνας έδειξαν ότι παρόλο που το BERT μπορεί να πετύχει καλύτερη απόδοση από τους κλασικούς αλγορίθμους και αρκετά νευρωνικά δίκτυα, έχει επιπλέον περιθώρια βελτίωσης και μελέτης. Recognizing the emotional content of Natural Language can greatly improve human-computer interaction with a computer system by enabling it to recognize and imitate emotional expressions. The field of emotion recognition occupies an important place in the applications of artificial intelligence. The rapid development of social media and the ability of users through them to freely express their opinion on all current issues, increased the need to study and record their use. Thus, in the context of this dissertation, a mechanism will be developed for the recognition of emotional information that is conveyed in Natural Language sentences. In the initial stage of the research, reference is made to many state-of-the-art techniques that already exist in this field. The data is then pre-processed and converted, with known techniques, to extract the appropriate information and keywords that carry emotional information. The main goal of this thesis is to implement the pre-trained transformer. BERT, as well as the study of its performance, in terms of identifying and detecting emotions in the comments of users on social networks. The general framework of BERT is analyzed, its implementation process is described in detail and the special modifications that had to be made to solve this problem. Subsequently, both classical classification algorithms and various neural network architectures were implemented and tested to study the performance of BERT relative to other models. Experiments were then performed using these models on a remarkable number of datasets. At the end of the research, all the approaches were evaluated, their results were compared and the corresponding observations were made. The final goal is to study the performance and behavior of the BERT model, compared to other models. The results of the research showed that although BERT can achieve better performance than classical algorithms and several neural networks, has additional room for improvement and study. 2022-07-11T06:24:56Z 2022-07-11T06:24:56Z 2022-07-07 http://hdl.handle.net/10889/16434 gr application/pdf |
