Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17675Πλήρες αρχείο μεταδεδομένων
| Πεδίο DC | Τιμή | Γλώσσα |
|---|---|---|
| dc.contributor.author | Αρσένος, Αναστάσιος | - |
| dc.date.accessioned | 2020-09-16T13:56:08Z | - |
| dc.date.available | 2020-09-16T13:56:08Z | - |
| dc.date.issued | 2020-09-10 | - |
| dc.identifier.uri | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17675 | - |
| dc.description.abstract | Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η Ανίχνευση και Κατηγοριοποίηση προπαγανδιστικών σχολίων στα κοινωνικά δίκτυα με χρήση μοντέλων βαθιάς και μηχανικής μάθησης. Το πρόβλημα της ανίχνευσης και κατηγοριοποίησης προπαγανδιστικών μεθόδων αποτελεί ένα ανοιχτό πρόβλημα στο πεδίο της Επεξεργασίας Φυσικής Γλώσσας λόγω της εκτεταμένης χρήσης τους στα κοινωνικά δίκτυα. Συνεπώς, υπάρχει μεγάλη ανάγκη για την αντιμετώπισή του με αυτοματοποιημένο τρόπο. Το διεθνές συνέδριο Workshop for Semantic Evaluation 2020 (SemEval) εισήγαγε αυτό το πρόβλημα σε διαγωνισμό στον οποίο συμμετείχαμε, προτείνοντας τις μεθόδους που αναλύουμε στην παρούσα εργασία, λαμβάνοντας αξιόλογα αποτελέσματα. | en_US |
| dc.language | el | en_US |
| dc.subject | Αναγνώριση προπαγάνδας, μηχανική μάθηση, λογιστική παλινδρόμηση, ταξινόμηση πολλών κλάσεων, σύνολο δεδομένων, επεξεργασία φυσικής γλώσσας, βαθιά μάθηση, τεχνητά νευρωνικά δίκτυα | en_US |
| dc.subject | Deep learning, machine learning, propaganda detection, natural language processing, Logistic Regression, Recurrent Neural Networks, LSTM, ELMo | en_US |
| dc.title | Ανίχνευση Προπαγανδιστικών και Εξτρεμιστικών Απόψεων στα Κοινωνικά Δίκτυα με Μηχανική Μάθηση | en_US |
| dc.description.pages | 69 | en_US |
| dc.contributor.supervisor | Σταφυλοπάτης Ανδρέας-Γεώργιος | en_US |
| dc.department | Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | en_US |
| Εμφανίζεται στις συλλογές: | Διπλωματικές Εργασίες - Theses | |
Αρχεία σε αυτό το τεκμήριο:
| Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
|---|---|---|---|---|
| diploma_thesis_final.pdf | 1.7 MB | Adobe PDF | Εμφάνιση/Άνοιγμα |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.