Mελέτη των απόψεων των χρηστών του Twitter για την κλιματική αλλαγή χρησιμοποιώντας εργαλεία της Python

Abstract

Η έλευση του Παγκόσμιου Ιστού 2.0 (Web 2.0) και µια μεγάλη γκάμα πλατφορµών ξεκίνησαν να προσφέρουν νέα διαδικτυακά εργαλεία, τα οποία προώθησαν νέες τακτικές επικοινωνίας, προσδίδοντας μια πιο κοινωνική διάσταση στο διαδίκτυο. Η ϱαγδαία ανάπτυξη των κοινωνικών δικτύων και η ενσωμάτωση τους στην καθημερινή ζωή, την τελευταία δεκαετία, έχει αλλάξει ολοκληρωτικά τις ανθρώπινες σχέσεις, τον τρόπο επικοινωνίας και διάδρασης σε ολόκληρο τον πλανήτη. Η ατέρμονη χρήση των μέσων κοινωνικής δικτύωσης, µε 3,8 εκατομμύρια ενεργούς χρήστες ανά τον κόσμο, έχει δημιουργήσει έναν τεράστιο όγκος δεδομένων που παράγεται ανελλιπώς. Καθώς αυξάνεται ο όγκος των δεδομένων αυξάνεται και το ενδιαφέρον για την συλλογή, την ανάλυση και την αξιοποίηση τους. Τα αποτελέσματα που προκύπτουν από τις ενέργειες αυτές συνεισφέρουν στη διαδικασία λήψης αποφάσεων σε διάφορους τομείς, οικονομικούς, κοινωνικούς και πολιτικούς. Οι παραδοσιακοί μέθοδοι διαχείρισης αδυνατούν πλέον να ανταπεξέλθουν στο τεράστιο μέγεθος δεδομένων που παράγεται. Καθώς λοιπόν τα δεδομένα αυξάνονται και αναβαθμίζονται σε Μεγάλα Δεδομένα (Big Data) προκύπτουν νέες καινοτόμες τεχνικές αποθήκευσης, επεξεργασίας και ανάλυσης. Η διαδικασία επεξεργασίας της φυσικής γλώσσας (NLP) και η ανάλυση συναισθήματος αποτελεί ένα από τα σημαντικότερα εργαλεία διαχείρισης των Big Data. Η κλιματική αλλαγή αποτελεί επίσης ένα από τα πιο δημοφιλή θέματα την τελευταία 20ετία. Ιδιαίτερα τα τελευταία χρόνια, η αλλαγή αυτή γίνεται πιο αισθητή από τον γενικό πληθυσμό και όχι µόνο από τους επιστήμονες. Οι άνθρωποι πια έχουν την ευκαιρία να δημοσιεύουν τις απόψεις τους στα μέσα κοινωνικής δικτύωσης για διάφορα θέματα, όπως η κλιματική αλλαγή, µέσω σχολίων θετικών, αρνητικών ή ουδέτερων. Η ανάλυση συναισθήματος στα κοινωνικά δίκτυα , έχει σημειώσει μεγάλη ανάπτυξη µε τη χρήση της επεξεργασίας φυσικής γλώσσας (NLP) και εφαρμόζεται πλέον ευρέως για διάφορους εμπορικούς αλλά και µη εμπορικούς τομείς. Η παρούσα διπλωματική εργασία πραγματεύεται την ανάλυση συναισθήματος σε περιεχόμενο του Twitter για την κλιματική αλλαγή. Η εξόρυξη των δεδομένων γίνεται µέσω τεχνικής Web scraping. Χρησιμοποιήθηκαν 5 διαφορετικά μοντέλα αναπαράστασης λέξεων NLP και 6 ταξινομητές Machine Learning. ΄Έπειτα έγινε η σύγκριση των αποδόσεών τους, από την οποία τα μοντέλα αναπαράστασης One Hot Unigram, One Ηot Bigram και TF-IDF µε τον ταξινομητή SVM δίνουν την υψηλότερη ακρίβεια, 0,91.