Σχεδίαση και ανάπτυξη διαδραστικής διεπαφής χρήστη για την παρουσίαση αποτελεσμάτων εξόρυξης γνώμης

Abstract

Η παρούσα εργασία πραγματεύεται το θέμα της ανάλυσης συναισθημάτων και ειδικότερα το πώς μπορούν να παρουσιαστούν τα αποτελέσματα μια τέτοιας ανάλυσης, ώστε να μπορούν να γίνουν ευκολότερα κατανοητά και να αξιοποιηθούν με αποτελεσματικότερο τρόπο. Στο πρώτο τμήμα της εργασίας έχει πραγματοποιηθεί ευρεία βιβλιογραφική ανασκόπηση του θεματικού πεδίου ανάλυσης και οπτικοποίησης συναισθημάτων. Η εν λόγω ανασκόπηση περιλαμβάνει την παρουσίαση και επεξήγηση των πλέον χαρακτηριστικών τρόπων με τους οποίους μπορεί να αξιοποιηθεί η ανάλυση συναισθημάτων από επιχειρήσεις και οργανισμούς, ώστε να βελτιστοποιηθεί η εμπειρία που προσφέρεται στο κοινό, τους τελικούς πελάτες ή τους συναλλασσόμενους. Επιπρόσθετα, παρουσιάζεται μία λεπτομερής κατηγοριοποίηση των τεχνικών οπτικοποίησης συναισθημάτων, ομαδοποιημένων σε κατηγορίες ανάλογα με τα χαρακτηριστικά των χρησιμοποιούμενων δεδομένων, τις πηγές προέλευσης και ιδιότητες των δεδομένων, τις εργασίες που εκτελούνται και τις παραμέτρους και μεταβλητές οπτικοποίησης. Τέλος, έχει πραγματοποιηθεί αναλυτική καταγραφή εργαλείων και εφαρμογών (εμπορικών και ανοιχτού κώδικα), τα οποία δύναται να χρησιμοποιηθούν για την οπτικοποίηση αποτελεσμάτων ανάλυσης συναισθημάτων. Τα συγκεκριμένα εργαλεία χρησιμοποιούν πλήθος διαφορετικών τεχνικών ανάλυσης, μεταξύ των οποίων αλγόριθμους στατιστικής ανάλυσης και ομαδοποίησης (statistical analysis and clustering), τεχνητής νοημοσύνης (artificial intelligence) και μηχανικής και σε βάθος μάθησης (machine and deep learning), ενώ υφίσταται επίσης μεγάλο πλήθος εφαρμογών που έχουν αναπτυχθεί πάνω σε ανοιχτού κώδικα προγραμματιστικές πλατφόρμες και εργαλεία (π.χ. Python, R, κ.λπ.). Στο δεύτερο τμήμα της εργασίας παρουσιάζεται η μελέτη περίπτωσης (Case Study), στο πλαίσιο της οποίας έχει αναπτυχθεί διαδραστική διεπαφή, μέσω της οποίας παρουσιάζονται, αναλύονται και αξιολογούνται τα αποτελέσματα ανάλυσης συναισθημάτων. Για το σκοπό αυτό έχει χρησιμοποιηθεί ένα σύνολο δεδομένων (data set), το οποίο περιλαμβάνει κριτικές και αξιολογήσεις πελατών για προϊόντα και υπηρεσίες που παρέχονται από μια εταιρία πώλησης γυναικείων ρούχων. Για την ανάλυση συναισθημάτων και οπτικοποίηση των αποτελεσμάτων έχει χρησιμοποιηθεί η γλώσσα Python, περιλαμβανομένων και δημοφιλών βιβλιοθηκών γραφικής απεικόνισης.

This study addresses the subject of sentiment analysis or opinion mining and in particular how the results of such an analysis can be presented so that they can be more easily understood and effectively utilized. In the first part of the Study, an extensive bibliographic review of the thematic field of sentiment analysis and visualization has been conducted. This review includes exploration and presentation of the most typical ways of which companies and organizations can take advantage to optimize customer and citizen experience. In addition, a detailed categorization of sentiment visualization techniques is presented, grouped into categories according to the characteristics of the data used, the sources and properties of the data, the tasks performed, and the visualization parameters and variables. Finally, a detailed presentation of tools and applications (commercial and open source), which can be used to visualize sentiment analysis results, has been conducted. These tools use a number of different analysis techniques, including statistical analysis and clustering algorithms, artificial intelligence, machine and deep learning algorithms, while there are also a large number of applications that have been developed on open source programming platforms and tools (e.g. Python, R, etc.). The second part of the thesis presents a case study in which an interactive graphical user interface has been developed, through which the results of sentiment analysis are presented, analyzed and evaluated. For this purpose, a data set has been used, which includes customer reviews for products and services provided by a women's clothing company. Python language has been utilized to implement sentiment analysis and visualize results, including popular graphics libraries.