Please use this identifier to cite or link to this item: https://apothesis.eap.gr/handle/repo/45094
Title: Πρόβλεψη του Δείκτη Οικονομικού Κλίματος με Εξόρυξη Γνώμης από το Twitter
Authors: Λούκος, Βασίλειος
metadata.dc.contributor.advisor: Ρεφανίδης, Ιωάννης
Keywords: Εξόρυξη Γνώμης;Opinion Mining;Ανάλυση Συναισθήματος;Sentiment Analysis;Μηχανική Μάθηση;Machine Learning;Οικονομική Πρόβλεψη;Economic Forecasting;Δείκτης Οικονομικού Κλίματος;Economic Sentiment Indicator;ΔΟΚ;ESI;Βαθιά Μάθηση;Deep Learning;Βαθιά Νευρωνικά Δίκτυα;Deep Neural Network;Επεξεργασία Φυσικής Γλώσσας;Natural Language Processing;Λεξικό Συναισθήματος;Sentiment Lexicon;Μικροϊστολόγιο;Microblogging;Μέσα Κοινωνικής Δικτύωσης;Social Media;Twitter;Python;TensorFlow;Colab
Issue Date: 21-Sep-2019
Abstract: Στην παρούσα εργασία, μελετήσαμε το πρόβλημα της πρόβλεψης του δείκτη οικονομικού συναισθήματος ή «κλίματος» - ESI (Economic Sentiment Indicator) με εξόρυξη γνώμης από το κοινωνικό δίκτυο Twitter. Για το σκοπό αυτό, συλλέξαμε δεδομένα (tweets) από το μικροϊστολόγιο Twitter για τη χρονική περίοδο 37 διαδοχικών μηνών και συγκεκριμένα, από 01/01/2016 έως και 31/01/2019. Απαραίτητη προϋπόθεση ήταν η κατάλληλη οργάνωση και η επεξεργασία των δεδομένων. Έτσι, σχεδιάσαμε και αναπτύξαμε μια σχεσιακή βάση δεδομένων, στην οποία καταχωρήσαμε τα tweets. Υλοποιήσαμε πρόγραμμα σε Python, προκειμένου να διαχωρίσουμε τα tweets στις λέξεις που τα απαρτίζουν. Μέσω αυτών, δημιουργήσαμε ένα νέο και πρωτότυπο λεξικό συναισθήματος ώστε να εντοπίσουμε σε κάθε tweet τις λέξεις που εκφράζουν συναίσθημα. Αυτό πραγματοποιήθηκε μέσω προγράμματος Python, το οποίο παράγει το τελικό σύνολο δεδομένων. Αυτό δίδεται ως είσοδος στα μοντέλα νευρωνικών δικτύων Βαθιάς μάθησης, τα οποία υλοποιήσαμε και εκπαιδεύσαμε στο Colaboratory/TensorFlow της Google και δίδουν ως έξοδο τις τιμές πρόβλεψης του δείκτη ESI μέσω της μεθόδου Γραμμικής Παλινδρόμησης (Linear Regression). Τα αποτελέσματα πρόβλεψης αποδείχθηκαν ιδιαίτερα αξιόλογα, καθώς κατόρθωσαν να υπολογίσουν τις πραγματικές τιμές του δείκτη της μελέτης μας με εντυπωσιακά μικρό σφάλμα. Τέλος, από τη διερεύνηση που πραγματοποιήσαμε, εξάγονται πολύ ενδιαφέροντα συμπεράσματα, σχετικά με τα μοντέλα νευρωνικών δικτύων που χρησιμοποιήσαμε, την ποιότητα των δεδομένων που συλλέξαμε, όπως και τον καθοριστικό ρόλο στις επιτυχείς προβλέψεις του νέου πρωτότυπου λεξικού συναισθήματος, το οποίο δημιουργήσαμε για το σκοπό της παρούσας εργασίας.
Appears in Collections:ΠΛΣ Διπλωματικές Εργασίες

Files in This Item:
File Description SizeFormat 
112856_ΛΟΥΚΟΣ_ΒΑΣΙΛΕΙΟΣ.pdf112856_ΛΟΥΚΟΣ_ΒΑΣΙΛΕΙΟΣ.pdf (Μεταπτυχιακή Διπλωματική Εργασία, Λούκος Βασίλειος, ΠΛΣ, 2019).9.58 MBAdobe PDFView/Open


Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.