Μηχανική Μάθηση σε δεδομένα Κοινωνικών Δικτύων για εκτίμηση Τηλεθέασης

Abstract

Στην παρούσα διπλωματική εργασία αξιοποιούνται τα δεδομένα που παρέχει το Twitter με σκοπό την εκτίμηση της ακροαματικότητας τηλεοπτικών εκπομπών κατά την διάρκεια των οποίων οι χρήστες της πλατφόρμας είναι ιδιαίτερα ενεργοί. Συγκεκριμένα παράγεται πλήθος χαρακτηριστιστικών βασισμένα στα ελεύθερα δεδομένα του Twitter, όπως ο όγκος των δημοσιεύσεων και αναδημοσιεύσεων, ο όγκος των μοναδικών χρηστών αλλά και η ανάλυση συναισθήματος των δημοσιεύσεων που αφορούν το εκάστοτε τηλεοπτικό πρόγραμμα. Οι εν λόγω δείκτες αξιολογούνται προκειμένου να βρεθούν οι πλέον κατάλληλες και σημαντικές, ενώ πληθώρα μοντέλων μηχανικής μάθησης όπως η γραμμική παλινδρόμηση και τα δέντρα απόφασης τροφοδοτούνται από τα χαρακτηριστικά αυτά και συγκρίνονται μεταξύ τους ώστε να αναδειχθεί εκείνο το μοντέλο που αποδίδει καλύτερα στο πρόβλημα της εκτίμησης των μοναδικών ατόμων που παρακολουθεί το τηλεοπτικό πρόγραμμα και του ποσοστού τηλεθέασης του, δηλαδή το μοντέλο που επιτυγχάνει την μέγιστη δυνατή ακρίβεια σε σύγκριση με τα πραγματικά δεδομένα. Για τις ανάγκες της διπλωματικής εργασίας, συλλέγονται δεδομένα για ένα ιταλικό τηλεοπτικό πρόγραμμα και στην συνέχεια εξάγονται συμπεράσματα για την ακροαματικότητα του, καταδεικνύοντας το Twitter ως μια ισχυρή πλατφόρμα για την εκτίμηση της τηλεθέασης.