Συναισθηματική ανάλυση Tweets με χρήση μηχανικής μάθησης και υλοποίηση διαδικτυακής εφαρμογής

Abstract

Στην σύγχρονη κοινωνία βιώνουμε μία ραγδαία ανάπτυξη των μέσων πληροφόρισης, η οποία επισφραγίστηκε από το Διαδίκτυο και πιο συγκεκριμένα τα Μέσα Κοινωνικής Δικτύωσης με κύριο εκπρόσωπό τους, το Twitter . Η παρούσα Διπλωματική πραγματεύεται την ανάπτυξη Μοντέλων και Αρχιτεκτονικών Βαθιάς και Μηχανικής Μάθησης που στοχεύουν στην Συναισθηματική Ανάλυση σε σχόλια του Twitter , καθώς και στην ανάπτυξη μιας Διαδικτυακής Εφαρμογής η οποία πραγματοποιεί Ανάλυσης Συναισθήματος σε τέτοιου είδους σχόλια, σε πραγματικό χρόνο. Η ανάλυση επικεντρώνεται κυρίως στα 4 βασικά Συναισθήματα: Θυμός, Φόβος, Χαρά, Λύπη. Αρχικά παρουσιάζεται το Task: Affect in Tweets που ασχοληθήκαμε, το οποίο αποτελεί μέρος των Διαγωνισμών που παρουσίασε το Συνέδριο Semeval (Semantic Evaluation) το 2018, ενώ στην συνέχεια πραγματοποιούμε μία έρευνα επάνω στην δουλειά που έχει προηγηθεί, τόσο σε θέματα που αφορούν τα ίδια τα νευρωνικά, αλλά και σε παρεμφερείς διαδικτυακές εφαρμογές. Ακολουθεί μία ενδελεχής ανάλυση του θεωρητικού και τεχνικού υπόβαθρου στα οποία στηριχτήκαμε για την εκπόνηση αυτής της διπλωματικής. Στη συνέχεια παρουσιάζουμε τα στάδια των Αρχιτεκτονικών που υλοποιήσαμε και τους τρόπους με τους οποίους αυτές σχεδιάστηκαν, κάνοντας και μία αναλυτική αναφορά στους Γενετικούς Αλγορίθμους που χρησιμοποιήσαμε για τον Συνδιασμό των Μεθόδων μας (ensemble) και για Μετατροπή Προβλέψεων ( mapping ). ́Επειτα, συνεχίζουμε με την αναλυτική περιγραφή των δεδομένων, από τον τρόπο συλλογής τους μέχρι και την προεπεξεργασία τους. Συγχρόνως, παρουσιάζονται τα αποτελέσματα των Μοντέλων που υλοποιήσαμε, αλλά και η σύγκρισή τους με τις επιδόσεις των συμμετεχόντων στο διαγωνισμό, πετυχαίνοντας μάλιστα, ειδικά στις μεθόδους που αφορούν παλινδρόμηση, αρκετά ανταγωνιστικές προβλέψεις. Επίσης στο Task Κατηγοριοποίησης Συναισθημάτων έχουμε την καλύτερη επίδοση. Ακολουθεί η αναλυτική περιγραφή της Διαδικτυακής Εφαρμογής και πως αυτή υλοποιήθηκε τόσο από μεριάς frontend όσο και backend , σε συνδιασμό με όλα τα στιγμιότυπα λειτουργίας της εφαρμογής, από όλες τις σελίδες που την απαρτίζουν.