| dc.contributor.advisor | Κατάκης, Ιωάννης | |
| dc.contributor.author | Κουτσού, Θεοδώρα | |
| dc.contributor.other | Koutsou, Theodora | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2015-02-16 | |
| dc.date.accessioned | 2015-02-16T09:26:08Z | |
| dc.date.available | 2015-02-16T09:26:08Z | |
| dc.date.copyright | 2015-01 | |
| dc.date.issued | 2015-02-16 | |
| dc.identifier.other | ΠΛΗ/2015/00161 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/1772 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Τα κοινωνικά μέσα δικτύωσης κατά την περίοδο εκλογών, χρησιμοποιούνται για να προβάλλονται οι υποψήφιοι, να εκφράζονται οι απόψεις των πολιτικών αλλά και να τους παρακολουθούν οι χρήστες. Ταυτόχρονα οι χρήστες εκφράζουν και αυτοί την άποψη τους και έτσι αποτελεί μια σύγχρονη επικοινωνία με τους υποψηφίους. Η πλατφόρμα του Twitter είναι η τελευταία τάση στον παγκόσμιο ιστό και χρησιμοποιείται για διάφορα σενάρια από ένα ευρύ σύνολο χρηστών παγκοσμίως. Από τα tweets που αναρτούνται μπορούμε να ανακαλύψουμε πολύτιμες πληροφορίες, γιατί μέσα από αυτές εκφράζουν τις απόψεις τους για τα διάφορα προϊόντα αγοράς, πολιτικά θέματα που απασχολούν τους χρήστες. Περιλαμβάνοντας, ένα έντονο σημασιολογικό περιεχόμενο είναι δύσκολο να μπορέσει κανείς να τα διαβάσει αυτά τα πολυάριθμα σχόλια και συζητήσεις.
Η εξόρυξη γνώμης/ ανάλυσησυναισθήματος έχει τις δυνατότητεςνα ικανοποιήσει τις ανάγκες αφού η εξόρυξη γνώμης είναι ένας εξειδικευμένος κλάδος της επεξεργασίας φυσικής γλώσσας και στοχεύει να προσδιορίσει την υποκειμενική στάση του ομιλούντος ή του γράφοντος σχετικά με ένα ζήτημα δημιουργώντας ένα αυτοματοποιημένο σύστημα. Επίσης το ανάλυση συναισθήματος μεταφέρει τα λεγόμενα των χρηστών ταξινομώντας αν είναι θετικά, αρνητικά ή ουδέτερα.
Σε αυτή την διπλωματική εργασία, επικεντρωνόμαστε στις διάφορες αναρτήσεις των χρηστών που ασχολούνται με πολιτικές συζητήσεις στην Κύπρο και στην περιφέρεια της Αττικής (Ελλάδα) που είναι γραμμένες στην ελληνική γλώσσα κατά την περίοδο των Δημοτικών-Περιφερειακών Εκλογών και τις Ευρωεκλογές 2014. Η συλλογή των δεδομένων έγινε με το εργαλείο TwitterAPI για ένα χρονικό διάστημα επικεντρώνοντας στα δημοφιλέστερα κόμματα. Προτείναμε ένα τρόπο για να ταξινομούμε αυτόματα τα tweets ανά κόμμα,χτίζοντας ένα αλγόριθμο για να προσδιορίσουμε αν το συναίσθημα τους είναι θετικό αρνητικό ή ουδέτερο. Τέλος, τα αποτελέσματα συγκρίθηκαν με τα αποτελέσματα των δημοσκοπήσεων και τα πραγματικά αποτελέσματα. | el_GR |
| dc.format.extent | vii, 121 σ. εικ., 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | gr | el_GR |
| dc.rights | info:eu-repo/semantics/closedAccess | el_GR |
| dc.subject | Μέσα Κοινωνικής Δικτύωσης -- Εκλογές | el_GR |
| dc.subject | Social media -- Elections | el_GR |
| dc.title | Εξόρυξης γνώμης για πολιτικά πρόσωπα απο αναρτήσεις στο Twitter | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | During elections the social media networkingis used to show the relevant candidates, express their opinion and also to allow other parties to follow them. The fact that other parties can express their opinion gives asynchronous communication between them. The Twitter platform is the latest trend on the web and used for various scenarios from a wide range of users worldwide. The post of tweets we can discover valuable information because through them express their views on various products, political issues that concern them. Featuring a strong connotation is unlikely that one can read these numerous comments and discussions.
Opinion mining is a specialized course of natural language process and aims to identify the subjective attitude of the talking or writing about an issue by creating an automated system. Also, the sentiment analysis convey users’opinion given into classes of positive, negative or neutral opinion.
In this thesis, we focus on the various posts of users engaged in political discussions in Cyprus and in the region of Attica (Greece), which is written in the Greek language in the period of Municipal-Regional Elections and the European Parliament elections, 2014. The data collection was performed by the use of the “Twitter API” tool for a specific period of time focusing on the most popular parties.
We suggest a way to automatically classify the tweets per party, by building an algorithm to identify if sentiment is positive, negative or neutral. Finally, we compare them with the results of exit polls and regular results. | el_GR |
| dc.format.type | pdf | el_GR |
